一种卷积神经网络训练用学习率自调节方法及其在PRPD图谱识别的应用

    公开(公告)号:CN115577236A

    公开(公告)日:2023-01-06

    申请号:CN202210884153.1

    申请日:2022-07-26

    摘要: 一种卷积神经网络训练用学习率自调节方法及其在PRPD图谱识别的应用,属于GIS电气绝缘故障检测领域,通过现场检测以及积累,构建绝缘故障局放信号数据样本集,常见的信号类型主要包括尖端放电、沿面放电、悬浮放电、自由金属颗粒放电以及无故障的噪声信号;然后搭建卷积神经网络模型,通过网络训练获取模型,识别局放信号类别,实现绝缘故障类型的诊断。本发明采用自适应学习率CNN模型,对学习率进行了自动优化处理,具体是在每次迭代时求得学习率的最优值,并应用于下一次迭代的网络参数优化过程当中,实现学习率的自动调节,提升识别准确率,更加精准、快速的识别局部放电信号类型,提高绝缘故障检测的效率。

    一种基于偏磁模拟的换流变选相合闸励磁涌流抑制方法

    公开(公告)号:CN112968461B

    公开(公告)日:2022-06-28

    申请号:CN202110183561.X

    申请日:2021-02-08

    IPC分类号: H02J3/36 H02H9/00

    摘要: 本发明公开一种基于偏磁模拟的换流变选相合闸励磁涌流抑制方法,该方法包括:1、估算Y桥、D桥换流变压器三相剩磁值;2、提取考虑断路器串联合闸电阻对合闸偏磁幅值和相位的影响结果,构建偏磁函数;3、利用换流变压器分闸时估算的剩磁与偏磁函数相比较,得出换流变压器合适的合闸时间。本发明能够利用换流变压器分闸时的剩磁与合闸时的偏磁相互抵消,有效提高换流变压器励磁涌流抑制效果,有助于抑制高压直流输电工程检修和改变运行方式时,换流变压器合闸充电带来的励磁涌流,改善因换流变励磁涌流造成的换相失败问题。