基于交叉自编码网络的故障漏电电流分离方法
从剩余电流中分离故障支路电流是典型的新数据预测问题,目前故障支路电流分离方法匮乏且准确度较低.本文提出一种小规模交叉自编码深度网络模型构建策略,并将其用于剩余电流中准确分离故障支路电流.首先,在剩余电流和故障漏电电流数据集上分别独立训练自动编码网络;然后,截取剩余电流数据集的特征编码模块和故障漏电电流数据集的特征解码模块,将两者级联构成交叉自编码网络;最后,采用成对剩余电流-故障漏电电流数据微调训练交叉自编码网络,获得剩余电流到故障漏电电流的分离映射模型.误差阈值设置为5时,分离平均准确率达77.33%;误差阈值为15时,平均准确率达88.67%,能较好地实现了故障漏电电流分离,为智能化电流分离式剩余电流保护器设计提供了技术支持.
故障漏电电流、电气火灾、触电、深度学习、自动编码网络、交叉融合
35
TM72;TN0(输配电工程、电力网及电力系统)
国网湖北省电力有限公司科技项目52153220001V
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
185-193