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
共找到6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：
基于优化卷积神经网络的电缆早期故障分类识别 被引量：60
1
作者 汪颖 孙建风 +2 位作者 肖先勇 卢宏 杨晓梅 《电力系统保护与控制》 EI CSCD 北大核心 2020年第7期10-18,共9页
准确识别电缆早期故障是及时消除故障隐患的必要前提。提出基于卷积神经网络的电缆早期故障分类识别的方法,可从含恒定阻抗故障、励磁涌流、电容投切扰动的过电流信号中准确识别电缆早期故障。通过小波变换提取过电流信号特征,构建卷积... 准确识别电缆早期故障是及时消除故障隐患的必要前提。提出基于卷积神经网络的电缆早期故障分类识别的方法,可从含恒定阻抗故障、励磁涌流、电容投切扰动的过电流信号中准确识别电缆早期故障。通过小波变换提取过电流信号特征,构建卷积神经网络,进行训练调整网络参数形成输入特征与类别编码之间的映射关系。为解决训练过拟合和学习效率的问题,通过修正损失函数和采用自适应学习率的方法优化卷积神经网络。仿真结果表明,所提方法能对过电流信号进行有效分类,准确识别电缆早期故障,具有较高的工程应用价值。 展开更多
关键词 电缆早期故障 卷积神经网络 深度学习 分类识别 修正损失函数
下载PDF
堆叠自动编码器与S变换相结合的电缆早期故障识别方法 被引量：32
2
作者 汪颖 卢宏 +2 位作者 杨晓梅 肖先勇 张文海 《电力自动化设备》 EI CSCD 北大核心 2018年第8期117-124,共8页
将深度学习概念应用到电缆早期故障识别中,提出结合S变换与堆叠自动编码器(SAE)的电缆早期故障识别方法。通过对故障相电流进行S变换,将获得的S变换模时频矩阵分为低、中和高频段。求取对应频段的能量熵和奇异熵等特征量,并组成特征向量... 将深度学习概念应用到电缆早期故障识别中,提出结合S变换与堆叠自动编码器(SAE)的电缆早期故障识别方法。通过对故障相电流进行S变换,将获得的S变换模时频矩阵分为低、中和高频段。求取对应频段的能量熵和奇异熵等特征量,并组成特征向量后,将时频域特征向量作为SAE网络的输入,经过预训练和参数微调,得到最优训练参数。利用构建好的网络从输入数据中挖掘有用信息,从大量扰动中识别电缆早期故障。仿真结果表明,与传统模式识别方法相比,所提方法的精度更高。 展开更多
关键词 电缆 电缆早期故障 S变换 奇异熵 能量熵 深度学习 堆叠自动编码器
下载PDF
基于平稳小波变换与随机森林的电缆早期故障识别方法 被引量：20
3
作者 李胜辉 白雪 +2 位作者 董鹤楠 卢宏 郭朝云 《电工电能新技术》 CSCD 北大核心 2020年第3期40-48,共9页
分析电能质量监测装置获得的电能质量数据,为解决电力系统设备故障提供了一个新的方向。电缆作为电力系统中的重要设备,在出现永久性故障之前会出现一段时间的电缆早期故障,早期故障虽然不会引起保护装置动作,但可能是永久性故障的前兆... 分析电能质量监测装置获得的电能质量数据,为解决电力系统设备故障提供了一个新的方向。电缆作为电力系统中的重要设备,在出现永久性故障之前会出现一段时间的电缆早期故障,早期故障虽然不会引起保护装置动作,但可能是永久性故障的前兆,降低电力系统运行的安全性。本文提出基于平稳小波变换与随机森林相结合的电缆早期故障识别方法。首先利用平稳小波变换对故障相电流信号进行分解,根据获得的小波系数计算统计特征量;然后将提取的特征量作为随机森林分类器的输入,从多种过电流扰动中识别出电缆早期故障。将该方法与传统模式识别方法相比较,结果表明本文所提方法识别准确率更高,时间更短。 展开更多
关键词 平稳小波变换 随机森林 电缆早期故障 过电流扰动
下载PDF
基于AE和GRU神经网络的电缆早期故障检测和识别方法 被引量：13
4
作者 徐子弘 季天瑶 +1 位作者 邓伟民 夏候凯顺 《广东电力》 2020年第9期27-34,共8页
多数电力电缆永久性故障是由早期的自清除电弧故障发展而来,及时准确地识别电缆早期故障对于电力系统安全稳定运行具有重要意义。由于电缆早期故障持续时间短,难以触发常规继电保护装置,因此提出了基于自编码器(autoencoder,AE)和门控... 多数电力电缆永久性故障是由早期的自清除电弧故障发展而来,及时准确地识别电缆早期故障对于电力系统安全稳定运行具有重要意义。由于电缆早期故障持续时间短,难以触发常规继电保护装置,因此提出了基于自编码器(autoencoder,AE)和门控循环单元(gated recurrent unit,GRU)神经网络的故障识别方法。通过AE对电缆单端采集的不同故障和扰动源的电流电压信号进行特征提取,以提取的特征向量作为GRU神经网络的输入,构建故障分类器。与传统的分类器相比,基于AE和GRU神经网络的方法能够准确地从多种扰动信号中检测和识别电缆早期故障。利用PSCAD/EMTDC搭建电力电缆线路模型,通过仿真分析证明了所提出方法的准确性与可行性。 展开更多
关键词 电缆早期故障 故障检测 深度学习 自编码器 门控循环单元神经网络
下载PDF
非负约束自动编码器在电缆早期故障识别中的应用 被引量：24
5
作者 邵宝珠 李胜辉 +2 位作者 白雪 黄旭龙 杨晓梅 《电力系统保护与控制》 EI CSCD 北大核心 2019年第2期16-23,共8页
电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE... 电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE)堆叠形成的深度学习(Deep learning, DL)网络应用于电缆早期故障识别中。为了提高DL网络的学习效率,首先对故障相电流进行平稳小波变换,提取出一些具有相关性、冗余性的统计量、能量熵和信息熵等作为初级特征,其次堆叠多个NCAE构建出DL网络,通过预训练和微调机制,从初级特征中获得更易于早期故障分类识别的有效特征,最后利用Softmax分类器从正常状态和其他扰动信号中识别出早期故障。利用电缆电流仿真数据进行实验,结果表明与传统模式识别方法相比,所提方法识别准确率更高。 展开更多
关键词 电缆早期故障识别 SWT变换 非负约束自动编码器 深度学习网络
下载PDF
基于DAE-IPSO-SVM的电缆早期故障识别方法 被引量：15
6
作者 王文凯 邓斌 《国外电子测量技术》 北大核心 2021年第8期29-35,共7页
电缆早期故障是发生在中压配电系统中的一种间歇性的电弧故障,持续时间短且自清除,通常不能被继电保护装置识别,最终发展成为永久性故障。因此,为识别并及时清除电缆早期故障,提出一种基于降噪自编码器-改进粒子群算法-支持向量机(DAE-I... 电缆早期故障是发生在中压配电系统中的一种间歇性的电弧故障,持续时间短且自清除,通常不能被继电保护装置识别,最终发展成为永久性故障。因此,为识别并及时清除电缆早期故障,提出一种基于降噪自编码器-改进粒子群算法-支持向量机(DAE-IPSO-SVM)的电缆早期故障识别方法。首先,使用DAE对馈线首端的电流信号进行数据维度压缩和数据特征提取,采用IPSO对SVM进行优化,优化参数的SVM被用于电缆早期故障分类识别。利用PSCAD/EMTDC仿真软件搭建中压配电网模型,在不同的故障位置和场景以及多种过电流扰动条件下进行了仿真测试,结果表明该方法能够有效识别电缆早期故障信号,检测精确度高,对噪声具有较强的鲁棒性,具有较高的工程应用价值。 展开更多
关键词 电缆早期故障识别 降噪自编码器 支持向量机 中压配电网 改进粒子群算法
下载PDF
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
使用帮助 返回顶部