基于格拉姆角场与ResNet的输电线路故障辨识方法OA北大核心CSTPCD
Transmission line fault identification method based on Gramian angular field and ResNet
针对如何利用实际故障录波数据,提取和放大故障特征差异,开展故障类型与故障原因辨识的问题,提出了基于格拉姆角场与迁移学习-ResNet的输电线路故障辨识方法.首先,统计分析了输电线路故障类型和故障原因的分布特征,用于指导构建适用于类不平衡问题的故障分类器.然后,利用格拉姆角场变换将采集得到的故障电压、电流时序信号转化为格拉姆角场图像,放大故障特征差异,作为故障分类器的输入.进一步,将生成的图像集输入搭建好的故障分类器进行网络训练和测试,输出输电线路…查看全部>>
There is a problem of how to use actual fault recorded data to extract and amplify fault feature differences,and carry out fault type and cause identification.Thus a fault identification method for transmission lines based on Gramian angular field(GAF)and transfer learning-ResNet is proposed.First,the distribution characteristics of fault type and cause on transmission lines are analyzed.These are used to guide the construction of fault classifiers suitable …查看全部>>
赵启;王建;林丰恺;陈军;南东亮;欧阳金鑫
国网新疆电力有限公司电力科学研究院,新疆 乌鲁木齐 830011||新疆电力系统全过程仿真重点实验室,新疆 乌鲁木齐 830011重庆大学输变电装备技术全国重点实验室,重庆 400044重庆大学输变电装备技术全国重点实验室,重庆 400044国网新疆电力有限公司电力科学研究院,新疆 乌鲁木齐 830011||新疆电力系统全过程仿真重点实验室,新疆 乌鲁木齐 830011国网新疆电力有限公司电力科学研究院,新疆 乌鲁木齐 830011||新疆电力系统全过程仿真重点实验室,新疆 乌鲁木齐 830011重庆大学输变电装备技术全国重点实验室,重庆 400044
输电线路故障辨识格拉姆角场残差神经网络迁移学习
transmission linefault identificationGramian angular fieldResNettransfer learning
《电力系统保护与控制》 2024 (10)
95-104,10
This work is supported by the National Natural Science Foundation of China(No.52277079). 国家自然科学基金项目资助(52277079)重庆市留学人员回国创业创新支持计划项目资助(cx2021036)
评论