基于嵌入式并行运算架构深度学习的电力线路非正常状态分析研究

发布时间：2024-01-20 17:39

　　电力线路在电力系统中承担着实时输送与分配电能的任务,其安全稳定优质的运行状态关系到整个电力系统的稳定运行。依据电力线路在电力系统的功能可分为配电线路与输电线路,分别承担配电与输电功能。电网规模的不断增大与电力电子设备的大量使用,导致电力线路非正常状态更加复杂,潜在风险更大。目前电力线路非正常状态分析存在以下三个问题:日益复杂的配电线路导致更复杂的电能质量问题、电网的扩展需要更新输电线路短路故障诊断算法与电力线路在线监测系统存在智能化需求。解决电能质量问题的基础在于准确地识别与分类扰动的种类。本文将基于深度置信网络的深度学习算法应用到电能质量扰动识别与分类中,直接从扰动信号中学习扰动特征,减少对人工提取特征的依赖,最终在识别与分类准确率、算法鲁棒性等方面取得良好效果。为了解决深度置信网络的结构设计问题,本文首先利用t分布随机相邻嵌入(t-Distributed Stochastic Neighbor Embedding,t-SNE)降维可视化分析高维扰动信号的数据特点,为深度置信网络的隐藏层层数提供参考;然后提出了基于特征迁移的自组织结构优化机制,自动寻找最优的隐藏层神经元数量,从而实现...

【文章页数】：113 页

【学位级别】：博士

本文编号：3881267