基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法及系统

    公开(公告)号:CN109614981A

    公开(公告)日:2019-04-12

    申请号:CN201811209429.6

    申请日:2018-10-17

    Applicant: 东北大学

    Abstract: 本发明提供一种基于斯皮尔曼等级相关的卷积神经网络电力系统智能故障检测方法及系统,在区域网络节点处设置相量测量单元,对数据进行测量;将采集的数据进行斯皮尔曼相关性分析,基于分析结果提出图像生成方法;建立等效故障网络,验证故障特征与斯皮尔曼等级相关性的关系,论证方法的可行性;将生成的图像作为初始卷积层,建立基于斯皮尔曼等级相关的卷积神经网络架构;根据建立的架构,基于PSCAD/EMTDC,验证方法的合理性与优越性。综合使用多种电量数据进行故障诊断,通过卷积神经网络可快速、准确的辨识出电力系统中故障所在位置,解决了加入分布式电源等导致电力系统具有波动性以及传统检测方法的不准确性,使电力系统的鲁棒性更高、自适应性更强。

    基于斯皮尔曼等级相关的卷积神经网络的电力系统智能故障检测方法及系统

    公开(公告)号:CN109614981B

    公开(公告)日:2023-06-30

    申请号:CN201811209429.6

    申请日:2018-10-17

    Applicant: 东北大学

    Abstract: 本发明提供一种基于斯皮尔曼等级相关的卷积神经网络电力系统智能故障检测方法及系统,在区域网络节点处设置相量测量单元,对数据进行测量;将采集的数据进行斯皮尔曼相关性分析,基于分析结果提出图像生成方法;建立等效故障网络,验证故障特征与斯皮尔曼等级相关性的关系,论证方法的可行性;将生成的图像作为初始卷积层,建立基于斯皮尔曼等级相关的卷积神经网络架构;根据建立的架构,基于PSCAD/EMTDC,验证方法的合理性与优越性。综合使用多种电量数据进行故障诊断,通过卷积神经网络可快速、准确的辨识出电力系统中故障所在位置,解决了加入分布式电源等导致电力系统具有波动性以及传统检测方法的不准确性,使电力系统的鲁棒性更高、自适应性更强。

    基于改进卷积神经网络的电力变压器在线检测系统及方法

    公开(公告)号:CN109612708B

    公开(公告)日:2021-03-16

    申请号:CN201811618261.4

    申请日:2018-12-28

    Applicant: 东北大学

    Abstract: 本发明提出基于改进卷积神经网络的电力变压器在线检测系统及方法,其中,在线检测系统具体包括:传感器组、信号放大装置、信号采集与存储装置、故障定位装置;基于改进卷积神经网络的电力变压器在线检测系统的方法,包括离线训练部分和在线检测部分;本发明根据变压器自身结构特点与振动原理,确定振动传感器布点,实时获取变压器振动信号;将原始信号进行数据处理转换为易于卷积神经网络识别的二维灰度图作为卷积神经网络输入;根据变压器实时振动数据噪声干扰较大的特点,改进传统卷积神经网络结构、改进卷积核尺寸,建立应用于电力变压器故障定位的改进卷积神经网络架构,并验证了该方法的合理性与优越性。

Patent Agency Ranking