期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于边际谱图像和深度残差网络的变压器局部放电模式识别
被引量：
22
1
作者
高盎然
朱永利
+1 位作者
张翼
蔡
炜
豪
《电网技术》
EI
CSCD
北大核心
2021年第6期2433-2441,共9页
针对传统人工特征提取方法易受主观不确定性影响的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)-Hilbert边际谱图像和深度残差网络的变压器局部放电模式识别方法。首先,用VMD算法分解局部放电信号,对所得各模...
针对传统人工特征提取方法易受主观不确定性影响的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)-Hilbert边际谱图像和深度残差网络的变压器局部放电模式识别方法。首先,用VMD算法分解局部放电信号,对所得各模态分量做Hilbert变换进而得到信号的边际谱图像作为输入,然后,利用深度残差网络对局部放电类型进行识别,并做了对比实验。所得实验结果表明,提出的深度残差网络在局放模式识别中的正确率可达98%,相比其他经典卷积神经网络具有更好的识别效果,且识别性能显著优于传统的BP神经网络、支持向量机模型。该方法利用残差网络优越的特征提取能力,能够自主学习谱图完整的内在特征,避免了人工提取方法的主观性对识别结果造成的影响,在一定程度上简化了实验步骤,实现了对局部放电Hilbert边际谱图像的直接识别,具有更高的正确识别率和更优的泛化性能。
展开更多
关键词
局部放电
模式识别
Hilbert边际谱
图像
深度残差网络
下载PDF
职称材料
基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别
被引量：
16
2
作者
朱永利
张翼
+1 位作者
蔡
炜
豪
高盎然
《中国电机工程学报》
EI
CSCD
北大核心
2021年第14期5044-5053,共10页
为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with...
为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。
展开更多
关键词
多源局部放电
同步挤压小波变换
数据增强
辅助分类-边界平衡生成对抗网络
下载PDF
职称材料
基于FDM孪生网络的风电场集电线单相接地故障区段定位
被引量：
6
3
作者
刘富州
萨仁娜
+2 位作者
朱永利
张翼
蔡
炜
豪
《可再生能源》
CAS
CSCD
北大核心
2023年第3期401-410,共10页
针对风电场集电线路故障后定位困难以及故障样本稀缺问题,文章提出了基于傅里叶分解算法与孪生神经网络相结合的风电场集电线路区段定位方案。傅里叶分解算法适用于集电线路接地故障所产生的瞬态非平稳信号;孪生神经网络可用于对样本集...
针对风电场集电线路故障后定位困难以及故障样本稀缺问题,文章提出了基于傅里叶分解算法与孪生神经网络相结合的风电场集电线路区段定位方案。傅里叶分解算法适用于集电线路接地故障所产生的瞬态非平稳信号;孪生神经网络可用于对样本集的扩充和辅助训练识别网络。该方案首先提取集电线故障信号线模分量,借助傅里叶分解算法生成时频能量谱;然后借助孪生神经网络扩充样本集,并在该集合上辅助训练定位网络;最后将孪生神经网络分支部分保留以形成定位网络,基于已有故障区段模态,应用定位网络完成对未知故障模态的判别。试验结果表明,文章提出的算法在小样本情况下比传统行波法更适合风电场集电线路故障定位。
展开更多
关键词
风电场
集电线路
傅里叶分解算法
孪生神经网络
下载PDF
职称材料
题名
基于边际谱图像和深度残差网络的变压器局部放电模式识别
被引量：
22
1
作者
高盎然
朱永利
张翼
蔡
炜
豪
机构
新能源电力系统国家重点实验室(华北电力大学)
出处
《电网技术》
EI
CSCD
北大核心
2021年第6期2433-2441,共9页
基金
国家自然科学基金项目(51677072)。
文摘
针对传统人工特征提取方法易受主观不确定性影响的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)-Hilbert边际谱图像和深度残差网络的变压器局部放电模式识别方法。首先,用VMD算法分解局部放电信号,对所得各模态分量做Hilbert变换进而得到信号的边际谱图像作为输入,然后,利用深度残差网络对局部放电类型进行识别,并做了对比实验。所得实验结果表明,提出的深度残差网络在局放模式识别中的正确率可达98%,相比其他经典卷积神经网络具有更好的识别效果,且识别性能显著优于传统的BP神经网络、支持向量机模型。该方法利用残差网络优越的特征提取能力,能够自主学习谱图完整的内在特征,避免了人工提取方法的主观性对识别结果造成的影响,在一定程度上简化了实验步骤,实现了对局部放电Hilbert边际谱图像的直接识别,具有更高的正确识别率和更优的泛化性能。
关键词
局部放电
模式识别
Hilbert边际谱
图像
深度残差网络
Keywords
partial discharge
pattern recognition
Hilbert marginal spectrum
image
deep residual network
分类号
TM721 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别
被引量：
16
2
作者
朱永利
张翼
蔡
炜
豪
高盎然
机构
华北电力大学电气与电子工程学院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2021年第14期5044-5053,共10页
基金
国家自然科学基金项目(51677072)。
文摘
为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。
关键词
多源局部放电
同步挤压小波变换
数据增强
辅助分类-边界平衡生成对抗网络
Keywords
multi-sources partial discharge
synchros-queezed wavelet transform
data augmentation
boundary equilibrium generative adversarial network with auxiliary classifier
分类号
TM85 [电气工程—高电压与绝缘技术]
下载PDF
职称材料
题名
基于FDM孪生网络的风电场集电线单相接地故障区段定位
被引量：
6
3
作者
刘富州
萨仁娜
朱永利
张翼
蔡
炜
豪
机构
华北电力大学
内蒙古华电玫瑰营风力发电有限公司
出处
《可再生能源》
CAS
CSCD
北大核心
2023年第3期401-410,共10页
基金
国家自然科学基金项目(51677072)
中国国电集团公司科技项目(GDDL-KJ-2017-02)。
文摘
针对风电场集电线路故障后定位困难以及故障样本稀缺问题,文章提出了基于傅里叶分解算法与孪生神经网络相结合的风电场集电线路区段定位方案。傅里叶分解算法适用于集电线路接地故障所产生的瞬态非平稳信号;孪生神经网络可用于对样本集的扩充和辅助训练识别网络。该方案首先提取集电线故障信号线模分量,借助傅里叶分解算法生成时频能量谱;然后借助孪生神经网络扩充样本集,并在该集合上辅助训练定位网络;最后将孪生神经网络分支部分保留以形成定位网络,基于已有故障区段模态,应用定位网络完成对未知故障模态的判别。试验结果表明,文章提出的算法在小样本情况下比传统行波法更适合风电场集电线路故障定位。
关键词
风电场
集电线路
傅里叶分解算法
孪生神经网络
Keywords
wind farm
collection line
Fourier decomposition method
Siamese neural network
分类号
TK81 [动力工程及工程热物理—流体机械及工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于边际谱图像和深度残差网络的变压器局部放电模式识别
高盎然
朱永利
张翼
蔡
炜
豪
《电网技术》
EI
CSCD
北大核心
2021
22
下载PDF
职称材料
2
基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别
朱永利
张翼
蔡
炜
豪
高盎然
《中国电机工程学报》
EI
CSCD
北大核心
2021
16
下载PDF
职称材料
3
基于FDM孪生网络的风电场集电线单相接地故障区段定位
刘富州
萨仁娜
朱永利
张翼
蔡
炜
豪
《可再生能源》
CAS
CSCD
北大核心
2023
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
