摘要
针对现有电容式电压互感器(CVT)在线评估方法仅使用CVT在线测量数据,数据维度低、可靠性差、精度低的问题,本文提出了一种基于多元数据融合和迁移学习的超差CVT在线辨识方法,首先通过对CVT的电气属性特征和工况属性特征进行融合,然后采用"离线训练-在线建模"的方式和迁移学习算法,构建了基于NARX神经网络的超差CVT在线辨识模型,在不停电条件下实现了对超差CVT的在线辨识.仿真数据表明,该方法能准确辨识CVT超误差状态,状态识别准确率高于99％,与现有技术对比,验证了该方法的准确性与实用性.
维普
万方数据