基于图像处理和深度学习的配网跳闸故障识别方法

• 作者: 周德生 宋杰 曾平 杜炤鑫 谢海宁 邹晓峰 陈冉
• 来源期刊: 中国科学技术大学学报
• 学科: 工学
• 关键词: 故障识别 图像处理 深度学习 故障判据 归一化 隐含层
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息科学与技术
• 页码范围: 39-48
• 页数: 10页
• 分类号: TP391
• 字数: 7009字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-2778.2020.01.005

摘要

针对当前配网故障类型人工判别工作量大且准确度不高的问题,提出了一种基于三遥信息处理和深度学习技术的配网故障类型识别方法.首先通过图像处理技术将遥测电流波形图转为电流数值组,提取遥信、遥控信号特征,共同组成特征向量,并对电流值进行归一化处理;然后以故障特征为基础,训练深度神经网络,实现故障类型识别;最后对隐含层层数及神经元数目进行调整,实现模型优化.实验结果表明,该方法可实现对配网故障类型的快速判断,准确率达到92.4％,具有实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋杰	国网上海市电力公司电力科学研究院	9	32	4.0	5.0
2	曾平	国网上海市电力公司电力科学研究院	3	16	2.0	3.0
3	周德生	国网上海市电力公司电力科学研究院	7	22	3.0	4.0
4	杜炤鑫	国网上海市电力公司电力科学研究院	1	0	0.0	0.0
5	谢海宁	国网上海市电力公司电力科学研究院	2	0	0.0	0.0
6	邹晓峰	国网上海市电力公司电力科学研究院	4	19	2.0	4.0
7	陈冉	国网上海市电力公司电力科学研究院	6	30	2.0	5.0