10.16039/j.cnki.cn22-1249.2023.03.018
基于深度学习融合网络的交直流电网故障诊断方法研究
在电网故障问题日益受到关注的今天,为了提升电力检修部门的电网故障诊断效率,提出了基于堆叠稀疏自动编码器(Stacked Sparse Automatic Encoder,SSAE)和卷积神经网络(Convolution Neural Net-work,CNN)的SSAE-CNN融合网络交直流电网故障诊断模型.实验结果表明,融合网络故障诊断模型的故障线路诊断准确率为 99.86%,高出SSAE-BP诊断模型 0.62%,高出一般故障诊断模型两个百分点.故障类型诊断准确率为 99.93%,高出SSAE-BP融合模型 0.66%.提出的电网故障诊断模型无论在诊断精度,还是诊断速度上均优于一般模型,能对各类电网故障进行准确诊断分类,为电力检修部门进行电网故障诊断提供数据参考,具有重要的实用意义.
交直流电网、深度学习、融合网络、故障诊断
40
TM73(输配电工程、电力网及电力系统)
安徽省高校自然科学研究项目KJ2021A1357
2023-11-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
93-98