期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CNN+D-S证据理论的多维信息源局部放电故障识别
被引量：
19
1
作者
王磊
张磊
+3 位作者
牛荣泽
孙芊
李丰君
张周胜
《电力工程技术》
北大核心
2022年第5期172-179,共8页
基于多维信息源融合的局部放电故障识别方法对提高故障识别的准确性和容错性具有重要意义。文中以开关柜中的典型局部放电类型为识别对象,设置4种典型的局部放电模型(电晕放电、沿面放电、悬浮放电和气隙放电),利用超声波(Ultra)法、甚...
基于多维信息源融合的局部放电故障识别方法对提高故障识别的准确性和容错性具有重要意义。文中以开关柜中的典型局部放电类型为识别对象,设置4种典型的局部放电模型(电晕放电、沿面放电、悬浮放电和气隙放电),利用超声波(Ultra)法、甚-特高频(V-UHF)法以及脉冲电流法(PCM)采集不同放电类型产生的局放信号。首先利用深度卷积神经网络(CNN)算法对不同传感器测量数据进行训练,之后利用Dempster-Shafer(D-S)证据理论对多维信息源识别结果进行融合,并作出最终决策。结果表明,相比于基于单一信息源的故障识别模式,基于多维信息源的故障识别模式准确率更高,且当多维信息源中某一信息源出现误判时仍能正确识别放电类型,对信息源的容错性更好,识别效果良好。
展开更多
关键词
局部放电
故障识别
深度卷积神经网络(CNN)
Dempster-Shafer(D-S)证据理论
多维信息源
信息
融合
在线阅读
下载PDF
职称材料
题名
基于CNN+D-S证据理论的多维信息源局部放电故障识别
被引量：
19
1
作者
王磊
张磊
牛荣泽
孙芊
李丰君
张周胜
机构
国网河南省电力公司电力科学研究院
上海电力大学电气工程学院
出处
《电力工程技术》
北大核心
2022年第5期172-179,共8页
基金
国家电网有限公司科技项目“面向配电物联网的多维监测与运行辅助决策关键技术研究”(5400-202024116A-0-0-00)。
文摘
基于多维信息源融合的局部放电故障识别方法对提高故障识别的准确性和容错性具有重要意义。文中以开关柜中的典型局部放电类型为识别对象,设置4种典型的局部放电模型(电晕放电、沿面放电、悬浮放电和气隙放电),利用超声波(Ultra)法、甚-特高频(V-UHF)法以及脉冲电流法(PCM)采集不同放电类型产生的局放信号。首先利用深度卷积神经网络(CNN)算法对不同传感器测量数据进行训练,之后利用Dempster-Shafer(D-S)证据理论对多维信息源识别结果进行融合,并作出最终决策。结果表明,相比于基于单一信息源的故障识别模式,基于多维信息源的故障识别模式准确率更高,且当多维信息源中某一信息源出现误判时仍能正确识别放电类型,对信息源的容错性更好,识别效果良好。
关键词
局部放电
故障识别
深度卷积神经网络(CNN)
Dempster-Shafer(D-S)证据理论
多维信息源
信息
融合
Keywords
partial discharge
fault identification
convolutional neural network(CNN)
Dempster-Shafer(D-S)evidence theory
multi-dimensional information sources
information fusion
分类号
TM591 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN+D-S证据理论的多维信息源局部放电故障识别
王磊
张磊
牛荣泽
孙芊
李丰君
张周胜
《电力工程技术》
北大核心
2022
19
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
