典型文献
配电网单相接地故障类型CNN识别方法研究
文献摘要：
为解决配电网发生单相接地故障时仅依靠比较动作阈值出口跳闸,不能对单相接地具体故障类型进行有效识别的问题,提出了一种基于卷积神经网络(CNN)自适应识别电弧接地和电阻接地的方法.研究了4种单相接地的故障类型,在PSCAD/EMTDC中搭建了10 kV配电网模型进行仿真.利用希尔伯特-黄变换(HHT)构造出故障信号的时频谱图,以此作为CNN的输入,在故障特征量被CNN自主提取后能够分类识别单相接地故障类型.Matlab仿真结果表明:该方法与传统机器学习算法相比具有更高的准确率.试验结果表明:投入消弧线圈、调整网络结构和加入噪声污染后,对单相接地故障类型的识别也具有良好的适应性.
文献关键词：
配电网;卷积神经网络;希尔伯特黄变换;故障识别;单相接地
中图分类号：
作者姓名：
杨佳;陈勇;冯波;王佳豪;潘鑫;钟加勇
作者机构：
重庆理工大学电气与电子工程学院,重庆 400054;重庆市能源互联网工程技术研究中心,重庆 400054;国网重庆市电力公司电力科学研究院,重庆 401123
文献出处：
引用格式：
[1]杨佳;陈勇;冯波;王佳豪;潘鑫;钟加勇-.配电网单相接地故障类型CNN识别方法研究)[J].重庆理工大学学报,2022(08):236-245
A类：
B类：
配电网,单相接地故障,故障类型,跳闸,自适应识别,电弧,PSCAD,EMTDC,kV,电网模型,HHT,故障信号,时频谱,频谱图,故障特征,特征量,分类识别,Matlab,机器学习算法,消弧线圈,噪声污染,希尔伯特黄变换,故障识别
AB值：
0.235935
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
