基于卷积神经网络的输电线路区内外故障判断及故障选相方法研究

发布时间：2017-12-07 08:08

  本文关键词：基于卷积神经网络的输电线路区内外故障判断及故障选相方法研究

  更多相关文章： 深度学习 卷积神经网络 区内外故障判断 故障选相 权值共享 错误率

【摘要】：在分析深度学习模型之一——卷积神经网络(convolutional neural network,CNN)的结构及原理的基础上,提出基于卷积神经网络的输电线路区内外故障判断及故障选相新方法。提出了采用两个softmax分类器的CNN网络结构,用同一CNN网络同时解决了区内外故障判断和故障选相两类非独立分类问题,实现了两种非独立分类问题的权值共享。数字仿真实验和实际现场故障数据测试结果表明:文中构建的数学模型,能同时实现区内外故障判断和故障选相,对采样率要求低,不需要整定任何参数,不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响,结果准确可靠。
【作者单位】： 武汉大学电气工程学院;国网内蒙古东部电力有限公司;
【基金】：国家科技支撑计划资助项目(2013BAA02B01) 国网内蒙古东部电力有限公司科技项目(GXTC-1541016)~~
【分类号】：TM75;TP183
【正文快照】： 络结构,用同一CNN网络同时解决了区内外故障判断和故障选相两类非独立分类问题,实现了两种非独立分类问题的权值共享。数字仿真实验和实际现场故障数据测试结果表明:文中构建的数学模型,能同时实现区内外故障判断和故障选相,对采样率要求低,不需要整定任何参数,不受系统频率、

【相似文献】

中国期刊全文数据库 前10条

1 鲍小鹏,张举;微机保护中几种序分量选相方法的比较[J];供用电;2003年06期

2 鲍小鹏,张举;一种新型选相方案[J];继电器;2004年05期

3 成敬周,张举,席晓丽,陈琛;一种适用于暂态保护的模糊故障选相新方案[J];继电器;2004年22期

4 唐宝锋;徐玉琴;;运用相关分析法进行故障选相技术[J];电工技术;2004年09期

5 陈朝晖,黄少锋,陶惠良,杨奇逊;新型阻抗选相方法[J];电力系统自动化;2005年03期

6 吴大立;尹项根;胡玉峰;张哲;;高压线路保护实用选相方案[J];电力系统自动化;2007年17期

7 许梦黔;;微机保护选相功能的改进[J];福建电力与电工;2007年03期

8 范李平;;基于最小二乘法的模糊故障选相相关分析研究[J];电气开关;2009年03期

9 司为国;章耀耀;钱国明;薛明军;陈福锋;;振荡中故障选相元件的研究[J];电力自动化设备;2010年03期

10 叶朝辉;黄康乐;孔凡坊;潘剑虹;王金怡;;基于分层模糊推理的快速综合故障选相新算法[J];电力系统保护与控制;2010年05期

中国重要会议论文全文数据库 前2条

1 刘凯;李小滨;刘世明;王振华;索南加乐;;提升高压线路保护选相元件性能的措施[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

2 吴军基;孔凡坊;李国峰;叶学勇;陆朱卫;王虎;;基于分层模糊推理的快速综合故障选相新算法[A];2008中国电力系统保护与控制学术研讨会论文集[C];2008年

中国博士学位论文全文数据库 前2条

1 张海;同杆双回线故障稳态分析及其单端量选相的研究[D];华北电力大学;2013年

2 张禄亮;输电线路继电保护新算法及其在片上系统的实现[D];华南理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 赵相盛;真空断路器选相控制技术的研究[D];沈阳工业大学;2016年

2 乔玮;高压电网的故障选相及电网故障自动仿真软件[D];浙江大学;2002年

3 何谋超;高压输电线路故障选相方法的研究[D];浙江大学;2008年

4 余越;自动识别弱馈方式及序分量故障选相的研究[D];华北电力大学（北京）;2010年

5 唐宝锋;输电线路故障选相新方法的研究[D];华北电力大学（河北）;2005年

6 栾雪莲;基于九电流的同杆双回线故障选相原理研究[D];华北电力大学（北京）;2011年

7 杨中卿;电力变压器选相投切技术研究[D];大连理工大学;2010年

8 贾振国;基于小波变换的行波故障选相研究[D];山东大学;2006年

9 李晓晨;基于数据挖掘技术的高压输电线路故障选相方法[D];东北电力大学;2008年

10 谢添卉;基于形态谱的电力线路故障选相研究[D];北京交通大学;2009年

，

本文编号：1261699