首页期刊导航|电机与控制应用
期刊信息/Journal information
电机与控制应用
上海电器科学研究所（集团）有限公司
电机与控制应用

上海电器科学研究所（集团）有限公司

张玉青

月刊

1673-6540

eec@seari.com.cn；emca@seari.com.cn

021-62543397

200063

上海市武宁路505号

电机与控制应用/Journal Electric Machines & Control Application北大核心CSTPCD
查看更多>>本刊为电机行业的技术性刊物。刊登电机研究、设计、工艺制造技术及电机应用技术方面的论文，报道国内外动态与信息。主要栏目有研究与设计、控制与保护、工艺与材料、测试与试验、运行与维修、国外信息等。主要内容包括电机与设计、电机制造工艺、新产品介绍、计算机应用、测试技术和装备、绝缘技术、电机选用与维护、电机故障分析与检测、电机控制与保护、电机标准、电机质量、国外电机技术、经验交流以及行业动态、信息报道等。主要读者对象为电机专业研究、设计人员及大专院校师生。
正式出版
收录年代

    基于双模式分解多通道输入的VSC-STATCOM逆变器故障诊断模型

    孔凡文毕贵红赵四洪王祥伟...
    103-118页
    查看更多>>摘要：针对传统电压源型静止同步补偿器中逆变器故障诊断存在的信号特征提取不充分,深度学习网络识别能力不足以及高噪声情况下识别率较低等问题,提出了一种基于双模式分解、多通道输入(MCI)、并行卷积神经网络(PCNN)、双向长短时记忆(BiLSTM)网络和自注意力(SA)机制组合的逆变器故障诊断方法.首先利用变分模态分解和时变滤波经验模态分解对逆变器输出的三相电流进行分解,降低原始信号复杂程度,实现不同模态分量间的规律互补;其次,利用MCI-PCNN-BiLSTM-SA组合模型对特征矩阵进行深层特征提取、学习和识别;最后,通过仿真进行验证,结果表明所提方法特征提取能力较强,在无噪声情况下平均识别率高达99.48％,在高噪声情况下平均识别率达95.59％.

    逆变器故障诊断双模式分解多通道输入并行卷积神经网络自注意力

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于STFT图像和迁移学习的次同步振荡源定位方法

    刘志坚黄建骆军
    119-130,后插1页
    查看更多>>摘要：直驱风机与电网交互引发次同步振荡,严重威胁电网的安全稳定运行.为快速定位诱发机组,提出了一种基于短时傅里叶变换(STFT)图像和迁移学习的次同步振荡源定位方法.首先,采用压缩感知技术将出口数据转化为观测信号,再对观测信号进行STFT得到具备振荡特征的映射图,构建映射图与振荡源机组之间的联系;然后,采用对抗式迁移学习架构,结合电力系统,实现对目标域无标签振荡数据的快速泛化;最后,与传统迁移学习方法进行比较,结果表明所提方法在定位准确率和效率方面表现更优,且具备较强的抗噪能力.

    次同步振荡源短时傅里叶变换压缩感知映射图迁移学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    征稿启事

    后插2页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据