共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
现行的各种小电流接地故障选线方法利用不同的故障特征量进行处理,所适用的范围不同,检测故障的鲁棒性和精度不一样。由于小电流接地系统的复杂性及单相接地故障的特殊性,每种选线方法往往都有一定的局限性和不足,如果利用信息融合技术对多种选线方法进行综合应用,将不失为一种提高接地故障选线性能的有效手段。针对小电流接地系统中的接地故障选线问题进行研究,提出了针对多种选线方法进行模糊综合评判的小电流接地系统故障选线模式,对多种选线方法的模糊隶属函数及权重因子的确定进行了探讨,以能量函数法、小波变换法及相间工频变化量比较法三种接地故障选线方法为例进行了模糊综合评判实例仿真,仿真结果说明针对多种选线方法进行模糊综合评判的故障选线模式具有更高的可靠性。 相似文献
3.
现行的各种小电流接地故障选线方法利用不同的故障特征量进行处理,所适用的范围不同,检测故障的鲁棒性和精度不一样.由于小电流接地系统的复杂性及单相接地故障的特殊性,每种选线方法往往都有一定的局限性和不足,如果利用信息融合技术对多种选线方法进行综合应用,将不失为一种提高接地故障选线性能的有效手段.针对小电流接地系统中的接地故障选线问题进行研究,提出了针对多种选线方法进行模糊综合评判的小电流接地系统故障选线模式,对多种选线方法的模糊隶属函数及权重因子的确定进行了探讨,以能量函数法、小波变换法及相间工频变化量比较法三种接地故障选线方法为例进行了模糊综合评判实例仿真,仿真结果说明针对多种选线方法进行模糊综合评判的故障选线模式具有更高的可靠性. 相似文献
4.
5.
针对中性点不接地的配电系统站端接地选线方式投资大、维护成本高,零序电流采样监测运行维护困难的问题,提出一种基于多分量融合的调度端小电流接地选线方法。首先,在现有调度自动化系统监测数据集中,针对性分析了对接地故障较为敏感的单分量特征及其影响因素;其次,综合考虑实际运行可靠性和判断准确性,提出了基于三角模融合的接地选线判据;进而通过归一化计算各线路接地概率,实现在调度端远程的故障线路准确选线;最后,通过在某电力公司实际部署基于所提方法的小电流接地选线功能模块进行实测验证。运行结果显示,所提方法具有良好的选线成功率,能够较好支撑调度端的远程故障定位,具有较高的推广价值。 相似文献
6.
为探究适用于小电流接地系统的故障选线方法,解决现有暂态故障选线方法效果欠佳的问题,提出了一种基于变分模态分解VMD(variational mode decomposition)的小电流接地故障选线新方法。通过引入本征模态函数基于调幅调频函数的VMD算法对配电母线各出线的零序电流进行分解,模态中心频率选取自适应且分解结果直观。最后综合直流分量以及高频分量构造双重判据实现选线,以Matlab/Simulink平台搭建的小电流接地系统故障选线模型为平台,对算法在单相接地故障下的准确度进行仿真校验。结果表明该算法不受故障电阻、故障发生位置、故障时刻与系统接地方式的影响,准确度高且对噪声有着一定的鲁棒性。 相似文献
7.
8.
在分析以往小电流接地选线各种算法的基础上,提出了一种基于数学形态学及小波变换综合的选线算法,该算法利用数学形态学滤波器对采集到的电压电流信号进行滤波,而后利用小波变换的奇异性理论和模极大值理论来构成接地选线算法,本算法很好地体现了形态学滤波器的噪声抑制能力和小波分解的奇异点检测能力.Matlab仿真结果表明,该算法不受中性点接地方式和线路参数的影响,且具有较强的承受过渡电阻的能力. 相似文献
9.
小电流接地系统在发生接地故障时,为了防止故障范围扩大,需要快速选择故障线路并跳开。传统的小电流接地故障选线方法存在故障特征不显著的难点,使用暂态零序电流作为特征参量,利用接地故障发生时接地相暂态零序电流极性特点,提出了基于分段仿射传播聚类的小电流接地选线法。首先,在故障发生时提取各线路暂态零序电流波形。其次,使用本文提出的分段仿射传播聚类算法,形成各线路暂态零序电流波形的聚类结果代码,进而通过离散度分析识别出故障线路。最后,基于RTDS系统进行了仿真试验。试验结果表明:本文提出的故障选线算法可以准确识别故障线路,具有较高的鲁棒性。 相似文献
10.
在分析以往小电流接地选线各种算法的基础上,提出了一种基于数学形态学及小波变换综合的选线算法,该算法利用数学形态学滤波器对采集到的电压电流信号进行滤波,而后利用小波变换的奇异性理论和模极大值理论来构成接地选线算法,本算法很好地体现了形态学滤波器的噪声抑制能力和小波分解的奇异点检测能力。Matlab仿真结果表明,该算法不受中性点接地方式和线路参数的影响,且具有较强的承受过渡电阻的能力。 相似文献
11.
12.
According to Hebb's cell assembly theory, the brain has the capability of function localization. On the other hand, it is suggested that in the brain there are three different learning paradigms: supervised, unsupervised, and reinforcement learning, which are related deeply to the three parts of brain: cerebellum, cerebral cortex, and basal ganglia, respectively. Inspired by the above knowledge of the brain in this paper we present a brainlike learning system consisting of three parts: supervised learning (SL) part, unsupervised learning (UL) part, and reinforcement learning (RL) part. The SL part is a main part learning input–output mapping; the UL part is a competitive network dividing input space into subspaces and realizes the capability of function localization by controlling firing strength of neurons in the SL part based on input patterns; the RL part is a reinforcement learning scheme, which optimizes system performance by adjusting the parameters in the UL part. Numerical simulations have been carried out and the simulation results confirm the effectiveness of the proposed brainlike learning system. © 2007 Wiley Periodicals, Inc. Electr Eng Jpn, 162(1): 32–39, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20600 相似文献
13.
李硕 《上海电机学院学报》2005,(Z1)
对两类非英语专业在校学生的英语学习进行探讨,调查表明学生的学习态度、动机、方法、策略及其它因素直接影响学生的成绩,通过列举各种因素并对其加以分析和研究,指出其中的管理策略重要性;同时总结出如果将此学习策略并入日常英语教学中,加强对此策略的训练,非英语专业学生会有较为成功的第二语言学习。 相似文献
14.
15.
针对不同类型人工智能网络应用于电力系统暂态稳定评估时精度和泛化能力不稳定、运行方式或拓扑结构发生较大变化时评估精度下降、重新训练新模型费时费力等问题,提出一种融合多类型深度迁移学习模型(tmDLM)的自适应评估方法,该方法融合了深度置信网络、卷积神经网络以及长短期记忆网络3种不同的深度学习模型。将训练好的各类深度学习模型作为源域模型,当运行方式或拓扑结构发生较大变化时,采用少量目标域样本集微调预训练模型,使其快速跟踪系统当前的运行状态,并得到tmDLM。新英格兰10机39节点系统和华中电网的仿真结果表明:所提方法可以充分发挥各类深度学习方法的优势,具有良好的泛化能力;六分类模型能够在判稳的同时进行稳定裕度/失稳程度等级的评估;经过迁移后的深度学习模型具有良好的评估精度和时效性,大幅缩短了模型更新时间,实现了电力系统暂态稳定的自适应评估。 相似文献
16.
在工业品表面异常检测中,由于异常的未知性和无规则性,人工标注异常样本难度大、成本高,有监督的深度学习算法在工业品表面异常检测任务中存在局限性。针对上述问题,提出一种基于对比学习生成对抗网络(contrastive learning generative adversarial network, CLGAN)的无监督工业品表面异常检测算法。首先,建立基于无监督学习算法的CLGAN模型;其次,采用对比学习加强潜在特征空间正负例样本约束,使得输入与输出图像对应Patch之间的互信息最大化,增强正负样本特征向量区分度,使模型重构异常样本图像能力得到进一步提升;然后,在检测阶段,利用训练好的模型得到待测工业品的无异常重构图像,并计算得到待测样本与其对应重构图像之间的残差图像;最后,结合双阈值分割的后处理方法和数学形态学处理,实现工业品表面异常区域地快速检测和准确定位。通过在公共数据集MVTec AD上进行实验,与其他的无监督深度学习模型算法相比,所提算法具有更好的识别效果和更强的泛化能力。 相似文献
17.
Koichiro Ishikawa Akito Sakurai Tsutomu Fujinami Susumu Kunifuji 《Electrical Engineering in Japan》2007,159(3):34-47
We propose a method to improve the performance of R‐learning, a reinforcement learning algorithm, by using multiple state‐action value tables. Unlike Q‐ or Sarsa learning, R‐learning learns a policy to maximize undiscounted rewards. Multiple state‐action value tables cause substantial explorations as needed and make R‐learning work well. Efficiency of the proposed method is verified through experiments in a simulated environment. © 2007 Wiley Periodicals, Inc. Electr Eng Jpn, 159(3): 34– 47, 2007; Published online in Wiley InterScience ( www.interscience. wiley.com ). DOI 10.1002/eej.20473 相似文献
18.
针对传统机器学习在处理暂态稳定评估时所表现出的稳定性差、精度低等问题以及离线训练的局限性,提出一种基于多模型融合Bagging集成学习方式的电力系统暂态稳定在线评估模型。首先,结合人工智能前沿理论研究,分析了暂态稳定评估中常用的7种机器学习算法的原理及实现方式,通过Bagging方法进行集成,充分发挥各个模型的优势。其次,给出Bagging集成的数学实现方法并进行了仿真实验。当原系统拓扑结构发生改变时,采用Boosting算法和迁移成分分析,分别对原电网历史数据进行样本迁移和特征迁移,完成对所提模型的在线更新。通过采用IEEE10机39节点系统和IEEE16机68节点系统进行分析,结果表明所提方法比传统机器学习模型精度更高。当数据中掺杂噪声时能够保持稳定运行,在系统拓扑改变时能够通过迁移历史数据进行准确的暂态稳定评估。 相似文献
19.
20.
Hanyu Yang Xubin Liu Di Zhang Tao Chen Canbing Li Wentao Huang 《The Electricity Journal》2021,34(1):106881
Since the power system is undergoing a transition into a more flexible and complex system, it urges improvements in fault diagnosis techniques for the power system protection to avoid cascading damages at the occurrence of faults. Facing with challenges of massive data, several machine-learning based methods for identifying faults were proposed over the past years. In this paper, an overview of conventional and trending machine learning applications for the fault diagnosis are summarized. 相似文献