基于DTCWT-DBN的配电网内部过电压类型识别
提出一种基于双树复小波变换(DTCWT)-深度信念网络(DBN)的配电网内部过电压识别方法.将10 kV母线三相过电压信号进行双树复小波变换,再通过奇异值分解降维,将所得奇异值作为特征值输入训练好的深度信念网络分类器,实现对7种典型的内部过电压的类型识别.利用ATP/EMTP仿真数据和物理实验平台上的故障波形对所提算法进行训练和测试,并将之与其他分类算法进行对比.结果 表明,相较于所列举的其他方法,所提算法具有更强的特征提取能力和更高的识别准确率....
Saved in:
Published in | 电力系统保护与控制 Vol. 47; no. 9; pp. 80 - 89 |
---|---|
Main Authors | , , , |
Format | Journal Article |
Language | Chinese |
Published |
福州大学电气工程与自动化学院,福建福州,350108%中国能源建设集团云南省电力设计院有限公司,云南昆明,350002
01.05.2019
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | 提出一种基于双树复小波变换(DTCWT)-深度信念网络(DBN)的配电网内部过电压识别方法.将10 kV母线三相过电压信号进行双树复小波变换,再通过奇异值分解降维,将所得奇异值作为特征值输入训练好的深度信念网络分类器,实现对7种典型的内部过电压的类型识别.利用ATP/EMTP仿真数据和物理实验平台上的故障波形对所提算法进行训练和测试,并将之与其他分类算法进行对比.结果 表明,相较于所列举的其他方法,所提算法具有更强的特征提取能力和更高的识别准确率. |
---|---|
ISSN: | 1674-3415 |
DOI: | 10.7667/PSPC180598 |