龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：三峡大学
摘要：本发明公开了一种小电流接地系统故障选线方法，该方法首先将线路零序电流信号通过格拉姆角差场转换为二维空间域图像；然后，运用密集型卷积神经网络提取图像中的故障特征，再用随机森林分类算法实现故障选线；将零序电流通过格拉姆角差转化为二维图像的方式，能够凸显出故障线路零序电流的故障特征，以图像的形式直观地显现出来，利用密集型卷积神经网络能够准确有效地提取故障特征，有效地提取出表征故障信息的特征向量，使得模型有很好的泛化能力，使用随机森林代替DenseNet的Softmax分类函数，有效地提高了故障选线的准确率，提升了模型抗噪声能力，提高了故障选线的效率解决了当前小电流接地系统单相接地故障特征微弱，选线准确率不高的问题。
主权项：1.一种小电流接地系统故障选线方法，其特征在于，包括以下步骤：S1，信号采集：从搭建的10kV辐射状配电网模型中采集故障线路的零序电流样本数据集，将数据集按比例划分为训练集和测试集；S2，通过格拉姆角差场对训练集进行图像生成，将一维时间序列先映射到极坐标系内，再转化为二维图像，提取暂态零序电流信号的特征信息；S3，执行密集型卷积神经网络DenseNet的训练：构建密集型卷积神经网络DenseNet，通过密集型卷积神经网络DenseNet提取步骤S2生成的二维图像中包含的故障特征；S4，通过随机森林算法进行判别：将提取的特征向量输入到随机森岭分类器中，以选出故障线路；S5，通过测试集对密集型卷积神经网络DenseNet进行评估，验证密集型卷积神经网络DenseNet的准确率。
全文数据：
权利要求：
百度查询： 三峡大学 一种小电流接地系统故障选线方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号