基于深度学习的配网运维技术改进研究 |
| |
引用本文: | 王龙,戴兵兵,孔顺飞,龚沁宇,柏筱飞,胡海安,高萍.基于深度学习的配网运维技术改进研究[J].粘接,2024(3):173-176. |
| |
作者姓名: | 王龙 戴兵兵 孔顺飞 龚沁宇 柏筱飞 胡海安 高萍 |
| |
作者单位: | 国网苏州供电公司 |
| |
摘 要: | 为提高配网运维故障识别的准确率,结合变分模态分量(Variational Mode Decomposition, VMD)与信息熵,提出一种E-VMD配网运维故障信号特征提取方法;通过改进残差神经网络(ResNet)模型残差模块,设计了一种改进的ResNet模型;将E-VMD配网运维故障信号特征输入改进的ResNet模型中,实现配网运维故障的准确识别。仿真结果表明,所提方法可准确识别配网运维的单相接地、两相短路、三相短路故障,平均识别准确率达到100%,平均精确率为99.59%,平均召回率为100%,平均F1值为99.88%。相较于KNN模型和SVM模型,所提方法在各项性能指标上表现优异的性能,且具有良好的抗噪性能。
|
关 键 词: | 故障识别 配网运维 特征提取 ResNet算法 技术改进 |
|
|