典型文献
基于CBAM-FCN的高压输电线路发展性故障识别方法
文献摘要：
高压输电线路的发展性故障往往受运行状态和故障发展过程的影响,给故障甄别和保护决策造成困难.为了准确识别高压输电线路的发展性故障,保证继电保护装置动作的正确性,将全卷积神经网络(fully convolutional network,FCN)与卷积注意力模块(convolutional block attention module,CBAM)相结合,提出一种基于CBAM-FCN的发展性故障识别方法,通过在传统全卷积网络中引入CBAM模块,使神经网络能够聚焦于故障波形的突变、幅值等重要特征,忽略无关干扰.此外,所提方法能够输出表征故障状态变化的一维时序序列,实现对输电线路发展性故障的全过程识别.最后大量仿真验证了所提方法的抗噪性能和泛化能力,并通过可视化技术展示了网络模型的可解释性.
文献关键词：
输电线路故障识别;发展性故障;故障识别方法;全卷积神经网络;卷积注意力模块
中图分类号：
作者姓名：
刘志远;于晓军;罗美玲;林泽暄;郝治国;张宇博;杨松浩
作者机构：
国网宁夏电力有限公司,宁夏银川 750001;西安交通大学,陕西西安 710049
文献出处：
引用格式：
[1]刘志远;于晓军;罗美玲;林泽暄;郝治国;张宇博;杨松浩-.基于CBAM-FCN的高压输电线路发展性故障识别方法)[J].电网与清洁能源,2022(09):25-33,44
A类：
发展性故障
B类：
CBAM,FCN,高压输电线路,故障识别方法,甄别,准确识别,继电保护装置,全卷积神经网络,fully,convolutional,network,卷积注意力模块,block,attention,module,全卷积网络,故障波形,输出表,故障状态,状态变化,时序序列,仿真验证,抗噪性能,泛化能力,可视化技术,技术展,可解释性,输电线路故障识别
AB值：
0.21988
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。
