基于1D-CNN-LSTM混合神经网络模型的双桥并联励磁功率单元故障诊断

摘要：

针对双桥并联励磁功率单元的晶闸管开路故障,提出一种基于一维卷积神经网络(1D-convolutional neural networks,1D-CNN)和长短期记忆网络(long short-term memory,LSTM)混合模型的故障诊断方法.将1号整流桥共阴极侧、共阳极侧电流和AB相线电压构造时序特征向量作为输入,利用1D-CNN提取并重构样本空间特征;考虑到输入量本身是时间序列数据,采用LSTM网络进一步提取特征.根据特征向量与故障类别对应关系实现故障诊断.仿真结果表明,该模型能够有效地实现双桥并联励磁功率单元故障诊断,具有良好的抗噪能力.

关键词：故障诊断、励磁功率单元、长短期记忆网络、一维卷积神经网络

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：河北省自然科学基金;河北省自然科学基金

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2025-2032