典型文献
基于并联CNN-LSTM的弱受端直流输电系统故障诊断
文献摘要：
现有的故障诊断手段面对复杂电网时,难以精确提取故障特征,急需适应性强、识别率高的故障诊断方法.鉴于此,提出一种基于压缩感知与并联卷积神经网络(CNN)和长短期记忆网络(LSTM)结合的电网故障诊断方法.搭建永富直流输电系统模型采集原始故障数据,原始故障数据应用压缩感知原理进行压缩采样,获得压缩域故障信号,以提高网络的计算效率.然后搭建了麻雀搜索算法(SSA)优化的并联CNN-LSTM 深度学习模型.通过SSA确定并联CNN-LSTM的网络结构及参数,利用并联CNN-LSTM深度学习模型直接在故障的压缩域挖掘故障波形特征和时序特征,并对故障进行识别.仿真结果表明该模型相较于传统方法具有更高的故障诊断精度.
文献关键词：
弱受端直流输电系统;故障诊断;并联卷积神经网络(CNN);长短期记忆网络(LSTM);麻雀搜索算法(SSA)
中图分类号：
作者姓名：
陈臣鹏;陈仕龙;毕贵红;高敬业;赵鑫;李璐
作者机构：
昆明理工大学电力工程学院,云南昆明 650500
文献出处：
引用格式：
[1]陈臣鹏;陈仕龙;毕贵红;高敬业;赵鑫;李璐-.基于并联CNN-LSTM的弱受端直流输电系统故障诊断)[J].电机与控制应用,2022(06):83-91
A类：
弱受端直流输电系统,并联卷积神经网络
B类：
系统故障,断手,复杂电网,故障特征,识别率高,故障诊断方法,压缩感知,长短期记忆网络,电网故障诊断,系统模型,故障数据,数据应用,压缩采样,故障信号,计算效率,麻雀搜索算法,SSA,深度学习模型,接在,故障波形,波形特征,时序特征,故障诊断精度
AB值：
0.21316
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。
