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
一种基于CNN与FFT‑ELM的输电线路故障识别与定位方法
被引量：
14
1
作者
裴东锋
刘勇
+3 位作者
闫柯柯
郭威
宋福如
田志杰
《电力科学与技术学报》
CAS
CSCD
北大核心
2024年第1期164-170,共7页
及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning m...
及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning machine,ELM)分类模型并行的输电线路故障识别及定位方法。首先,以故障电压时序图作为输入,构建CNN;然后,利用FFT将时域故障电压数据分解,提取各频段的电压峰值与相角作为故障特征样本;接着,以提取的故障特征样本集作为输入,构建ELM网络;最后,通过特征融合层将2个神经网络进行融合,输出故障类型和定位结果。实验结果表明,此方法对输电线路故障识别的准确率为99.95%、故障定位误差在500 m以内、平均误差为263.5 m,可靠性优于其他模型。
展开更多
关键词
故障识别及定位
输电线路
并行神经网络
卷积神经网络
快速傅里叶变换
极限学习机
在线阅读
下载PDF
职称材料
题名
一种基于CNN与FFT‑ELM的输电线路故障识别与定位方法
被引量：
14
1
作者
裴东锋
刘勇
闫柯柯
郭威
宋福如
田志杰
机构
国网河北省电力有限公司邯郸供电分公司
河北硅谷研究院
出处
《电力科学与技术学报》
CAS
CSCD
北大核心
2024年第1期164-170,共7页
基金
国网河北省电力有限公司科技项目(kj2021‑042)。
文摘
及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning machine,ELM)分类模型并行的输电线路故障识别及定位方法。首先,以故障电压时序图作为输入,构建CNN;然后,利用FFT将时域故障电压数据分解,提取各频段的电压峰值与相角作为故障特征样本;接着,以提取的故障特征样本集作为输入,构建ELM网络;最后,通过特征融合层将2个神经网络进行融合,输出故障类型和定位结果。实验结果表明,此方法对输电线路故障识别的准确率为99.95%、故障定位误差在500 m以内、平均误差为263.5 m,可靠性优于其他模型。
关键词
故障识别及定位
输电线路
并行神经网络
卷积神经网络
快速傅里叶变换
极限学习机
Keywords
fault identification and location
transmission lines
parallel neural networks
convolutional neural network
fast Fourier transformation
extreme learning machine
分类号
TM863 [电气工程—高电压与绝缘技术]
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
一种基于CNN与FFT‑ELM的输电线路故障识别与定位方法
裴东锋
刘勇
闫柯柯
郭威
宋福如
田志杰
《电力科学与技术学报》
CAS
CSCD
北大核心
2024
14
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
