期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究
被引量:
1
1
作者
罗晨
喻锟
+4 位作者
曾祥君
仝海昕
慕静茹
谢志成
邓军
《电力系统保护与控制》
EI
CSCD
北大核心
2023年第13期91-101,共11页
针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电...
针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。
展开更多
关键词
低压系统
XGBoost
支路电弧故障
特征提取
信号重构
下载PDF
职称材料
基于一维空洞卷积神经网络的故障电弧检测方法
2
作者
蒋慧灵
白嘎力
+5 位作者
周郑
邓青
滕杰
张越
周亮
周正青
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2024年第3期492-501,共10页
串联故障电弧因多样性、相似性和隐蔽性而难以被检测,容易引发故障电弧保护装置误报和漏报。采用一维空洞卷积神经网络(one-dimensional dilated convolutional neural network,1D-DCNN)提取以高采样率采集的故障电弧电流特征,引入扩展...
串联故障电弧因多样性、相似性和隐蔽性而难以被检测,容易引发故障电弧保护装置误报和漏报。采用一维空洞卷积神经网络(one-dimensional dilated convolutional neural network,1D-DCNN)提取以高采样率采集的故障电弧电流特征,引入扩展型指数线性单元(scaled exponential linear unit, SeLU)激活函数和残差连接解决梯度消失和网络退化问题,并结合平均集成学习和Softmax多分类器建立故障电弧检测模型。实验结果表明:所提方法对单负载和混合负载故障电弧的检测准确率达99.67%,相应负载识别准确率达99.95%,总体预测结果准确率达99.62%,优于传统卷积神经网络(convolutional neural network, CNN),满足故障电弧检测要求,有助于串联故障电弧检测和负载识别。
展开更多
关键词
一维空洞卷积
串联
故障
电弧
支路
故障
电弧
故障
电弧
检测
负载分类
原文传递
题名
基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究
被引量:
1
1
作者
罗晨
喻锟
曾祥君
仝海昕
慕静茹
谢志成
邓军
机构
电网防灾减灾全国重点实验室(长沙理工大学)
中国南方电网有限责任公司超高压输电公司
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2023年第13期91-101,共11页
基金
国家自然科学基金项目资助(52037001,52207125)
湖南省自然科学基金项目资助(2022JJ50187)
+1 种基金
湖南省教育厅项目资助(22A0231)
湖南省研究生科研创新项目资助(CX20220858)。
文摘
针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。
关键词
低压系统
XGBoost
支路电弧故障
特征提取
信号重构
Keywords
low voltage systems
XGBoost
branch circuit arc faults
feature extraction
signal reconstruction
分类号
TM501.2 [电气工程—电器]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于一维空洞卷积神经网络的故障电弧检测方法
2
作者
蒋慧灵
白嘎力
周郑
邓青
滕杰
张越
周亮
周正青
机构
北京科技大学金属冶炼重大事故防控技术支撑基地
北京科技大学大安全科学研究院
北京科技大学土木与资源工程学院
呼和浩特市烟草公司
出处
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2024年第3期492-501,共10页
基金
国家重点研发计划项目(2021YFC1523504)
国家应急管理部科技计划项目(2021XFCX25)
+2 种基金
国家自然科学基金青年科学基金项目(72004113)
应急管理部消防救援局重点研发项目(2022XFZD05)
河北省重点研发项目(22375419D)。
文摘
串联故障电弧因多样性、相似性和隐蔽性而难以被检测,容易引发故障电弧保护装置误报和漏报。采用一维空洞卷积神经网络(one-dimensional dilated convolutional neural network,1D-DCNN)提取以高采样率采集的故障电弧电流特征,引入扩展型指数线性单元(scaled exponential linear unit, SeLU)激活函数和残差连接解决梯度消失和网络退化问题,并结合平均集成学习和Softmax多分类器建立故障电弧检测模型。实验结果表明:所提方法对单负载和混合负载故障电弧的检测准确率达99.67%,相应负载识别准确率达99.95%,总体预测结果准确率达99.62%,优于传统卷积神经网络(convolutional neural network, CNN),满足故障电弧检测要求,有助于串联故障电弧检测和负载识别。
关键词
一维空洞卷积
串联
故障
电弧
支路
故障
电弧
故障
电弧
检测
负载分类
Keywords
one-dimensional dilated convolutional
series arc fault
branch arc fault
arc fault detection
workload classification
分类号
X934 [环境科学与工程—安全科学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究
罗晨
喻锟
曾祥君
仝海昕
慕静茹
谢志成
邓军
《电力系统保护与控制》
EI
CSCD
北大核心
2023
1
下载PDF
职称材料
2
基于一维空洞卷积神经网络的故障电弧检测方法
蒋慧灵
白嘎力
周郑
邓青
滕杰
张越
周亮
周正青
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2024
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部