[发明专利]一种基于卷积神经网络的配电网高阻接地故障识别方法在审
| 申请号： | 201810304830.1 | 申请日： | 2018-04-08 |
| 公开（公告）号： | CN108510005A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 郭谋发;张君琦;高伟;洪翠;杨耿杰 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G01R31/02;G01R31/08 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络的配电网高阻接地故障识别方法，首先获取配电网高阻接地故障以及多种暂态扰动下的主变低压侧三相电压和零序电压信号；然后利用局部特征尺度法分解信号，对各电压信号进行等频带宽的带通滤波，构造时频矩阵，得到分块时频谱图；最后采用卷积神经网络算法进行分类识别，判断是否发生高阻接地故障。 | ||
| 搜索关键词： | 高阻接地故障 卷积神经网络 配电网 低压侧三相电压 零序电压信号 矩阵 带通滤波 电压信号 分解信号 分类识别 局部特征 时频谱图 暂态扰动 尺度法 分块 时频 算法 主变 | ||
【主权项】：
1.一种基于卷积神经网络的配电网高阻接地故障识别方法，其特征在于：包括以下步骤：步骤S1：获取高阻接地故障以及其他暂态扰动情况的暂态扰动信号；步骤S2：利用局部特征尺度分解方法分解步骤S1获取的信号；步骤S3：按照设定的频带对步骤S2分解后的信号进行带通滤波，构造时频矩阵；步骤S4：获取分块时频谱图；步骤S5：采用卷积神经网络算法对步骤S4获得的分块时频谱图进行分类识别，再利用BP算法训练CNN，通过训练完成的CNN实现配电网高阻接地故障的识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810304830.1/，转载请声明来源钻瓜专利网。
