典型文献
基于GAF-CNN的配电网局部放电检测
文献摘要：
针对传统配电网局部放电诊断中提取的特征面临自适应能力不足、难以匹配特定故障等问题,提出了一种基于格拉姆角场(Gramian Angular Field,GAF)和卷积神经网络(Convolutional Neural Networks,CNN)的绝缘架空导线局部放电诊断方法.该方法将局部放电数据使用格拉姆角场构造二维图像,并将其图片输入构建的卷积神经网络来对正常信号和局部放电信号进行分类.实验表明,使用GAF-CNN模型对局部放电的识别精度可以达到99.77％.
文献关键词：
格拉姆角场(GAF);卷积神经网络(CNN);局部放电
中图分类号：
作者姓名：
刘洪笑;向勉;周丙涛;朱黎;段亚穷;张晓艳
作者机构：
湖北民族大学智能科学与工程学院,湖北恩施 445000
文献出处：
引用格式：
[1]刘洪笑;向勉;周丙涛;朱黎;段亚穷;张晓艳-.基于GAF-CNN的配电网局部放电检测)[J].通信电源技术,2022(14):10-12,16
A类：
B类：
GAF,配电网,局部放电检测,统配,自适应能力,格拉姆角场,Gramian,Angular,Field,Convolutional,Neural,Networks,绝缘,架空导线,数据使用,二维图像,局部放电信号,对局,识别精度
AB值：
0.285626
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。
