典型文献
基于小波AlexNet网络的配电网故障区段定位方法
文献摘要：
文中提出一种基于深度网络迁移学习的配电网故障区段定位方法.利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素矩阵囊括了当前系统的工作状况信息,利用迁移学习AlexNet网络,调整网络结构使其适应于配电网故障区段辨识,通过微调的AlexNet网络自主挖掘像素矩阵的故障特征作为预测变量,利用门控循环单元(GRU)、学习向量量化(LVQ)、朴素贝叶斯分类器(NBC)、极限学习机(ELM)、支持向量机(SVM)等模式识别算法进行故障特征分类,从而实现配电网故障区段定位.针对多分支的线缆混合线路进行实验分析,比较5种模式识别算法的分类效果,得到GRU算法准确率可以达到99.92％,证明了该方法不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网对故障区段定位准确度和可靠性的需求.
文献关键词：
小波包变换;AlexNet网络;门控循环单元;时频矩阵;故障区段定位
中图分类号：
作者姓名：
侯思祖;郭威;王子奇;刘雅婷
作者机构：
华北电力大学电气与电子工程学院,河北保定071003
文献出处：
引用格式：
[1]侯思祖;郭威;王子奇;刘雅婷-.基于小波AlexNet网络的配电网故障区段定位方法)[J].电测与仪表,2022(03):46-57
A类：
B类：
于小波,AlexNet,配电网故障,故障区段定位,定位方法,深度网络,迁移学习,小波包变换,WPT,电量,重新排列,时频矩阵,颜色编码,转成,图像性,像素,囊括,工作状况,应于,微调,故障特征,预测变量,门控循环单元,GRU,学习向量量化,LVQ,朴素贝叶斯分类器,NBC,极限学习机,ELM,模式识别,识别算法,特征分类,多分支,线缆,混合线路,分类效果,故障类型,过渡电阻,定位准确
AB值：
0.293441
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。
