-
题名绝对值激活深度神经网络的串联故障电弧检测
被引量：4
- 1
-
-
作者
余琼芳
黄高路
杨艺
-
机构
河南理工大学电气工程与自动化学院
大连理工大学北京研究院博士后科研工作站
-
出处
《计算机应用》
CSCD
北大核心
2019年第A01期54-59,共6页
-
基金
国家自然科学基金资助项目(61601172)
-
文摘
串联故障电弧具有隐蔽性和随机性,发生时线路电流波形受负载类型的影响而具有复杂性,检测难度大,严重威胁用电系统安全。鉴于电流数据具有大量负值的特点,提出用绝对值函数作为激活函数改进AlexNet深度学习网络检测串联故障电弧,并分析了激活函数特性对串联故障电弧检测效果的影响。把实验采集的三类负载分别在正常和发生串联故障电弧状态下的共7200组电流数据制作成训练集和测试集,并分别对使用四种激活函数的AlexNet网络进行训练和测试。实验结果显示,ELU激活的网络最高检测正确率为95.5%;而绝对值激活的网络效果最好,其平均检测正确率最高为97.25%,最低为93%,比ReLU激活的AlexNet网络最高88.75%的平均准确率高出最少4.25个百分点;而使用Sigmoid函数的网络不收敛。分析结果表明线性的激活数据特征有助于提高网络的检测准确率。
-
关键词
串联故障电弧
深度学习
卷积神经网络
激活函数
绝对值函数
指数线性单元
修正线性单元
-
Keywords
series fault arc
deep learning
convolutional neural network
activation function
abssolute value function (abs)
Exponential Linear Unit (ELU)
Rectified Linear Unit (ReLU)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
