基于全相位深度学习的低压配电系统串联故障电弧识别法
授权
摘要
本发明公开了基于全相位深度学习的低压配电系统串联故障电弧识别法，解决了现有的低压配电网故障中，针对串联故障电弧的识别方法易受噪声、频谱泄漏干扰，影响识别效果，识别效率不高，且稳定性不高的问题。本发明方法包括：在低压交流系统下，对低压回路中的不同负载进行电流信号采集；对采集到的电流信号进行全相位离散傅里叶变换，进行负载的全相位频谱特征量提取，并构建全相位频谱特征向量；构建基于Logistic回归的深度学习神经网络模型，通过对不同负载、不同运行状态下的全相位频谱特征量进行深度学习训练，直到该模型收敛为止；利用训练好的模型完成对不同负载种类的甄别及是否发生串联故障电弧的识别。
基本信息
专利标题 ：
基于全相位深度学习的低压配电系统串联故障电弧识别法
专利标题（英）：
暂无
公开（公告）号 ：
CN110376497A
申请号 ：
CN201910739837.0
公开（公告）日 ：
2019-10-25
申请日 ：
2019-08-12
授权号 ：
CN110376497B
授权日 ：
2022-05-13
发明人 ：
冷继伟陈烜段卫平杜刚肖屏
申请人 ：
国网四川电力服务有限公司
申请人地址 ：
四川省成都市高新区蜀绣西路366号1栋1单元10楼52号
代理机构 ：
成都行之专利代理事务所(普通合伙)
代理人 ：
李朝虎
优先权 ：
CN201910739837.0
主分类号 ：
G01R31/12
IPC分类号 ：
G01R31/12
IPC结构图谱
G
G部——物理
G01
测量；测试
G01R
测量电变量；测量磁变量
G01R31/12
•测试介电强度或击穿电压
法律状态
2022-05-13 ：
授权
2019-11-19 ：
实质审查的生效
IPC(主分类) : G01R 31/12
申请日 : 20190812
申请日 : 20190812
2019-10-25 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
