基于组合神经网络的输电线故障类型识别

• 作者: 张兆宁 毛鹏 范春菊 郁惟镛
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 故障类型识别 神经网络 输电线
• 年，卷（期）: 2001,（4）
• 所属期刊栏目: 理论分析与计算
• 页码范围: 1-5
• 页数: 5页
• 分类号: TM773
• 字数: 4777字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2001.04.001

摘要

准确的输电线路故障类型识别是实现故障测距的前提，文中在高压输电线路故障分析的基础上，构建了由Kohonen自组织特征映射神经网络模型和BP网络模型组合而成的类型识别网络模型，来实现输电线路的故障检测及故障类型识别。经理论分析和大量的EMTP仿真表明：此网络模型较单一网络模型，所需训练样本少，学习时间短，并且在各种故障模式下，均能可靠、准确实现输电线路故障类型的识别，不受故障过渡电阻、故障初始角、系统运行方式、故障点位置等因素的影响。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范春菊	上海交通大学电力学院	125	2397	28.0	43.0
2	郁惟镛	上海交通大学电力学院	103	3137	30.0	51.0
3	毛鹏	天津大学电气自动化与能源工程学院	10	652	8.0	10.0
4	张兆宁	上海交通大学电力学院	9	246	8.0	9.0