典型文献
基于卷积神经网络的交直流输电系统故障诊断
文献摘要：
随着交直流输电系统规模的不断扩大,电网结构和故障特征愈加复杂,现有故障诊断方法面对复杂电网和超大数据量时难以精准提取故障特征,急需适应性强且准确率高的电网故障诊断方法.为此提出一种基于卷积神经网络(CNN)的电网故障诊断方法.首先,通过逐层筛选、逐层增叠的网络构造方式逐步测试,其目的是为了构建充分适应于电网故障诊断的网络结构;然后,利用网络层级优化策略调整训练参数,并以交叉熵最小为目标对深层故障特征进行挖掘;最后,在MATLAB/Simulink平台上搭建交直流输电系统模型,结合t分布随机邻域嵌入(t-SNE)可解释性技术展示诊断效果,通过与传统方法对比证明所提方法能够深度挖掘故障特征且具备很高的诊断准确率.
文献关键词：
深度学习;卷积神经网络;交直流输电系统;故障诊断;t分布随机邻域嵌入
中图分类号：
作者姓名：
张大海;张晓炜;孙浩;和敬涵
作者机构：
北京交通大学电气工程学院,北京市 100044;国网山西省电力公司长治供电公司,山西省长治市 046000
文献出处：
引用格式：
[1]张大海;张晓炜;孙浩;和敬涵-.基于卷积神经网络的交直流输电系统故障诊断)[J].电力系统自动化,2022(05):132-140
A类：
B类：
交直流输电系统,系统故障,电网结构,故障特征,故障诊断方法,复杂电网,大数据量,精准提取,电网故障诊断,逐层,步测,应于,利用网络,网络层级,策略调整,整训,交叉熵,Simulink,建交,系统模型,分布随机邻域嵌入,SNE,可解释性,技术展,诊断效果,方法对比,深度挖掘,诊断准确率
AB值：
0.259934
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。
