首页> 中文期刊> 《中国电力》 >基于迁移学习的配电网内部过电压识别方法

基于迁移学习的配电网内部过电压识别方法

         

摘要

数据驱动方式作为解决配电网内部过电压识别的一种方法,因过电压样本数量较少而在实际应用中受到限制.为此,提出了一种基于迁移学习的深度卷积神经网络(D-CNN)配电网内部过电压识别算法.首先,通过仿真和连续小波变换(CWT)的方法构造了6种10 kV配电网内部过电压二维时频图.然后,分别利用Alexnet、Vgg-16、Googlenet、Resnet50等4种网络模型搭建了基于迁移学习的D-CNN网络模型.最后,将二维时频图带入改造后的D-CNN训练.经对实验结果比较分析发现,新搭建的VGG-16网络识别准确率最高且达到了99.07%,实现了在数据稀缺的情况下过电压故障的准确分类.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号