典型文献
基于深度学习的站用交直流电源系统故障诊断方法
文献摘要：
针对故障诊断过程受到离散数据影响,站用交直流电源系统故障诊断结果误差较大的问题,提出了基于深度学习的站用交直流电源系统故障诊断方法.基于深度学习故障诊断原理,确定输出变量,构建假设检验模型,分析跳闸回路直流系统接地情况,获取正接地和负接地引起的误动作,确定直流回路接地故障.建立对数似然概率比统计量,分析直流、交流串接所引起的故障特征,进而确定站用交直流电源系统故障.实验结果表明,该方法单条馈线接地故障电压驻波比与实际值误差为0.01,母线单极接地故障驻波比与实际值误差为0.005,具有精准的诊断结果.
文献关键词：
深度学习;站用交直流电源系统;故障诊断;检验模型;寄生回路故障
中图分类号：
作者姓名：
邓刚;叶伟;程磊;宋海波
作者机构：
安徽南瑞继远电网技术有限公司,安徽合肥230031
文献出处：
引用格式：
[1]邓刚;叶伟;程磊;宋海波-.基于深度学习的站用交直流电源系统故障诊断方法)[J].电子设计工程,2022(20):189-193
A类：
站用交直流电源系统,对数似然概率,寄生回路故障
B类：
系统故障,故障诊断方法,诊断过程,诊断结果,构建假设,假设检验,检验模型,跳闸,直流系统,系统接地,地情,误动作,直流回路,统计量,串接,故障特征,单条,馈线,电压驻波比,母线,单极接地故障
AB值：
0.189626
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。
