摘要
为解决目前电力设备故障识别系统识别敏感度低的问题,提出基于云计算关联分析的电力设备故障识别模型.利用关联分析法、Model-1 故障特征提取法、Copula函数的故障特征分类法,对电力设备故障特征进行提取和分类,将分类后的特征数据随机组成训练集X,并在此基础上获得故障特征优化的二维数据,将Copula函数的输出结果导入优化ID3的井漏类型分类算法中以完成对故障特征的优化,得到电力设备故障特征分类矩阵;利用非对称性卷积层的CNN模型,实现对电力设备多种故障类型的快速识别.实验结果表明:在进行故障准确性检测时,所提方法的故障识别率平均高达87.2%、识别精准率平均高达 71.06%;在不同负荷对系统灵敏性影响的测试中,所提方法在任意负荷状态下的故障识别数据计数不低于 40 次,优于对比方法;在对电力设备匝间短路故障位点的识别性能测试中,所提方法在任意匝间短路故障位点的故障识别数据计数均高于 140 次,优于对比方法.所提方法的故障识别精确度高、故障位置识别敏感性高,可促进电网安全运行和发展.
基金项目
国家电网有限公司科技项目(2018YJ26632)
宁波供电公司科技项目(2018YJ26632)
Science and Technology Project of Ningbo Power Supply Company(KJCX015)
NETL
NSTL
维普
万方数据