公开(公告)号：CN106680576B

公开(公告)日：2019-07-09

申请号：CN201710019227.4

申请日：2017-01-11

Applicant: 福州大学

Inventor： 高伟 ,  许立彬 ,  郭谋发 ,  陈伟凡

IPC: G01R19/165 ,  G01R23/16

Abstract: 本发明涉及一种基于分块时频谱和深度学习算法的配电网内部过电压识别方法，首先获取过电压信号；然后分解过电压信号；接着对各分量按照设定的频带进行带通滤波，构造时频矩阵；然后获取分块时频谱图；最后采用深度学习算法进行分类识别。本发明采用分块时频谱图作为深度学习算法的输入，能够自主学习各类过电压的特征，实现配电网内部过电压的分类识别。

公开(公告)号：CN106226635A

公开(公告)日：2016-12-14

申请号：CN201610554732.4

申请日：2016-07-14

Applicant: 国网福建晋江市供电有限公司 ,  福州大学

Inventor： 郭谋发 ,  陈立纯 ,  陈永往 ,  陈伟凡 ,  傅春红 ,  许小冬 ,  林友松

IPC: G01R31/02

Abstract: 本发明提供一种配电网馈线故障类型识别方法，包括获取波形采样数据、对波形采样数据依次进行希尔伯特-黄变换及带通滤波，并根据带通滤波数据重构时频矩阵、求解时频矩阵的奇异值并构成特征向量矩阵、对所有特征向量矩阵进行归一化处理并将归一化后的特征向量矩阵作为多级支持向量机的输入样本来识别配电网馈线故障类型。本发明还提供一种配电网馈线故障类型识别装置。本发明的多级向量机分类性能良好，逻辑清晰，简单明了，能够较准确地识别单相接地、两相接地、两相短路、三相短路等四类配电网故障类型，本发明的配电网故障类型识别方法具有较强的适应能力，在噪声干扰等因素的影响下，仍具有良好的故障类型识别正确率。

公开(公告)号：CN106680576A

公开(公告)日：2017-05-17

申请号：CN201710019227.4

申请日：2017-01-11

Applicant: 福州大学

Inventor： 高伟 ,  许立彬 ,  郭谋发 ,  陈伟凡

IPC: G01R19/165 ,  G01R23/16

CPC classification number: G01R19/16528 ,  G01R23/16

Abstract: 本发明涉及一种基于分块时频谱和深度学习算法的配电网内部过电压识别方法，首先获取过电压信号；然后分解过电压信号；接着对各分量按照设定的频带进行带通滤波，构造时频矩阵；然后获取分块时频谱图；最后采用深度学习算法进行分类识别。本发明采用分块时频谱图作为深度学习算法的输入，能够自主学习各类过电压的特征，实现配电网内部过电压的分类识别。