典型文献
基于多尺度量子熵算法的煤矿供电线路故障辨识
文献摘要：
针对煤矿电力系统中供电线路故障频繁、短路危害大、故障辨识不高等问题,提出一种基于故障暂态电压信号的多尺度量子熵(MQE)并结合递归神经网络的故障识别方法.首先提取发生故障线路中的各相电压故障分量的MQE值,将MQE值分成训练集和测试集,训练集的故障特征量MQE输入到深度学习中的递归神经网络模型中进行训练,利用测试集数据对模型进行验证,并通过实际线路故障验证所提出的方法,识别具体线路的短路故障类型.结果表明,所提算法可以准确地识别出供电线路发生的故障类型,可实际应用于煤矿的线路故障辨识;与其他线路故障模型相比,在测试样本足够多情况下,所提的算法准确率可近似达到100％,辨识效果具有优越性.
文献关键词：
多尺度量子熵(MQE);深度学习;故障辨识
中图分类号：
作者姓名：
解鹏雁;张辉;管智峰
作者机构：
山西潞安环保能源开发股份有限公司王庄煤矿,山西长治 046000;辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛 125105
文献出处：
引用格式：
[1]解鹏雁;张辉;管智峰-.基于多尺度量子熵算法的煤矿供电线路故障辨识)[J].机电工程技术,2022(06):46-49,62
A类：
B类：
多尺度量子熵,煤矿供电,供电线路,线路故障,故障辨识,电力系统,暂态电压,电压信号,MQE,递归神经网络,故障识别方法,故障线路,相电压,电压故障分量,训练集,测试集,故障特征,特征量,故障验证,别具,短路故障,故障类型,故障模型,多情
AB值：
0.297285
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。
