文献类型：期刊文章

作　　者：饶超平[1] 肖博文[2] 严星[2] 廖方帆[2] 王琦婷[3]

RAO Chaoping;XIAO Bowen;YAN Xing;LIAO Fangfan;WANG Qiting(Wuhan Qingchuan University,Wuhan 430000,China;State Grid Hubei Jingmen Power Supply Company,Jingmen 448000,China;College of Electrical and New Energy,Three Gorges University,Yichang 443000,China)

机构地区：[1]武汉晴川学院,湖北武汉430000 [2]国网荆门供电公司,湖北荆门448000 [3]三峡大学电气与新能源学院,湖北宜昌443000

出　　处：《智慧电力》

基　　金：国家自然基金青年资助项目(51607103)。

年　　份：2020

卷　　号：48

期　　号：5

起止页码：99-105

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：基于Seq2Seq技术构建了用于输电线路故障类型识别的深度学习模型,通过设置仿真算例验证了所提方法的有效性.首先,利用MATLAB/Simulink生成输电线路故障数据集;然后,基于Seq2Seq技术构建适用于故障数据时序型特征的深度学习模型;最后,以IEEE118节点系统为例对所提方法进行验证.仿真结果表明:所提方法能够适应输电线路故障的时序型特点,故障类型辨识准确率为100%.与其他故障类型识别方法相比,所提方法仅基于海量数据,不考虑电力系统具体结构,具有显著的优越性.

关 键 词：人工智能技术 故障类型识别 Seq2Seq技术  时序型特征  深度学习  

分 类 号：TM712]