典型文献
基于惯性传感器协同1D CNN的输电线路覆冰情况识别方法
文献摘要：
输电线路覆冰是最常见影响电网系统安全稳定运行的自然灾害.针对输电线路覆冰情况具有非线性增长、影响因素复杂等特点,提出了基于惯性传感器协同1D CNN的输电线路覆冰情况识别方法.该方法基于一维卷积神经网络,网络可自动从原始数据中进行特征提取和分类.采用集中质量法进行了输电线路覆冰的模拟实验,搭建了基于惯性传感器的输电线路模拟覆冰的三轴加速度的数据采集平台,构建了由未覆冰、轻度覆冰以及重度覆冰等三种线路覆冰情况的21824个样本组成的数据集.实验结果表明,基于惯性传感器协同1D CNN的线路覆冰情况识别的方法性能优秀,平均准确率可达到91％.
文献关键词：
输电线路覆冰识别;一维卷积神经网络;惯性传感器
中图分类号：
作者姓名：
丁超;王青云;汪涛;梁瑞宇
作者机构：
南京工程学院电力工程学院,江苏 南京211100;南京工程学院信息与通信工程学院,江苏 南京211100
文献出处：
引用格式：
[1]丁超;王青云;汪涛;梁瑞宇-.基于惯性传感器协同1D CNN的输电线路覆冰情况识别方法)[J].电子器件,2022(06):1384-1388
A类：
输电线路覆冰识别,覆冰识别
B类：
惯性传感器,1D,冰情,电网系统,系统安全,安全稳定运行,线性增长,一维卷积神经网络,原始数据,集中质量法,模拟实验,三轴,数据采集平台,平均准确率
AB值：
0.118355
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。
