典型文献
基于深度卷积神经网络的海上平台接地选线方法
文献摘要：
针对目前海上采油平台接地故障选线准确率不高的问题,提出一种基于深度卷积神经网络的小电流单相接地故障选线方法,将接地瞬间的波形图像进行图像二值化和尺寸像素压缩等预处理得到神经网络所需的训练数据,通过使用Tensor Flow深度卷积神经网络进行训练后进行接地故障选线,实验结果表明,仅经过100多个现场及真型试验波形的训练后选线准确率即可达到95.83％,深度卷积神经网络比传统的神经网络算法具有更强的学习能力及更高的选线精度.
文献关键词：
深度学习;人工智能;接地选线;配网;Tensor Flow
中图分类号：
作者姓名：
石勇;侯炜;陈俊;李宇琦;赵健龙
作者机构：
南京南瑞继保电气有限公司
文献出处：
引用格式：
[1]石勇;侯炜;陈俊;李宇琦;赵健龙-.基于深度卷积神经网络的海上平台接地选线方法)[J].电气技术与经济,2022(04):1-8
A类：
像素压缩
B类：
深度卷积神经网络,海上平台,接地选线,选线方法,前海,海上采油平台,小电流,单相接地故障选线,瞬间,波形图,图像二值化,理得,训练数据,Tensor,Flow,真型试验,神经网络算法,配网
AB值：
0.243318
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。
