文献类型：期刊文章

作　　者：张大海[1] 张晓炜[1] 孙浩[2] 和敬涵[1]

ZHANG Dahai;ZHANG Xiaowei;SUN Hao;HE Jinghan(School of Electrical Engineering,Beijing Jiaotong University,Beijing 100044,China;Changzhi Power Supply Company of State Grid Shanxi Electric Power Company,Changzhi 046000,China)

机构地区：[1]北京交通大学电气工程学院,北京市100044 [2]国网山西省电力公司长治供电公司,山西省长治市046000

出　　处：《电力系统自动化》

基　　金：国家重点研发计划资助项目(2016YFB0900600)。

年　　份：2022

卷　　号：46

期　　号：5

起止页码：132-140

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着交直流输电系统规模的不断扩大,电网结构和故障特征愈加复杂,现有故障诊断方法面对复杂电网和超大数据量时难以精准提取故障特征,急需适应性强且准确率高的电网故障诊断方法。为此提出一种基于卷积神经网络(CNN)的电网故障诊断方法。首先,通过逐层筛选、逐层增叠的网络构造方式逐步测试,其目的是为了构建充分适应于电网故障诊断的网络结构;然后,利用网络层级优化策略调整训练参数,并以交叉熵最小为目标对深层故障特征进行挖掘;最后,在MATLAB/Simulink平台上搭建交直流输电系统模型,结合t分布随机邻域嵌入(t-SNE)可解释性技术展示诊断效果,通过与传统方法对比证明所提方法能够深度挖掘故障特征且具备很高的诊断准确率。

关 键 词：深度学习  卷积神经网络 交直流输电系统 故障诊断 t分布随机邻域嵌入  

分 类 号：TM721.3] TP183]