基于深度残差网络的配电网内部过电压识别方法

    公开(公告)号:CN115965585A

    公开(公告)日:2023-04-14

    申请号:CN202211520398.2

    申请日:2022-11-30

    申请人: 三峡大学

    摘要: 一种基于深度残差网络的配电网内部过电压识别方法,方法为:通过PSCAD仿真得到各种不同类型的暂时过电压、操作过电压的故障样本,将样本数据进行预处理并分组建立训练集样本和测试集样本;构建残差网络模型:通过建立多层卷积层、池化层以及残差块,共同组成深层次的残差网络模型;对网络初始化设定后,将训练集输入深度残差网络模型,利用多层卷积和池化运算实现对原始信号抽象化表征;将故障数据输入模型,对其进行抽象化表征与网络训练,在网络模型末端集成Softmax分类器,实现对两类内部过电压样本的分类识别。本发明实现故障特征的自动获取和识别,降低故障诊断工作量,提升配电网内部过电压监测效率。

    基于改进残差网络的输电线路雷击过电压识别方法

    公开(公告)号:CN115861805A

    公开(公告)日:2023-03-28

    申请号:CN202211520407.8

    申请日:2022-11-30

    申请人: 三峡大学

    摘要: 一种基于改进残差网络的输电线路雷击过电压识别方法,涉及图像识别技术领域,本方法可以集成为生产领域的人工智能系统,可以作为一种输电线路防雷优化操作系统、防雷检测识别系统等,可以用于计算机视觉软件的开发。包括:获取绕击、反击、感应三种雷击过电压波形图像,对图像进行预处理,并利用残差网络将其打乱并分为8:2的训练集以及测试集;对传统的ResNet‑50网络进行改进,将处理好的雷击波形数据输入改进后的残差网络,最后达到识别三种雷击过电压的目的。最终本发明的一种基于改进残差网络的雷击过电压识别的方法模型取得了最高97.25%的识别准确率,应用前景广泛,适合广泛推广。