Indexed by：
Abstract：
准确识别过电压类型是过电压事故处理的首要任务。针对浅层分类器难以识别高维特征的问题,提出了原子分解(atomic decomposition,AD)结合卷积神经网络(convolution neural network,CNN)的配电网内部过电压识别方法。该方法利用原子分解法分解母线三相电压,依据频率重构最优原子得到高维特征—特征原子谱,然后将特征原子谱输入到CNN中,即可实现7类典型内部过电压的识别。在仿真和物理实验平台上对所提方法进行了验证,结果表明:CNN相对于浅层学习的支持向量机和极限学习机具有更强的自主学习能力;相对于低维特征结合浅层分类器的识别算法,所提方法具有更高的识别率和更强的...
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
高电压技术
ISSN： 1003-6520
CN： 42-1239/TM
Year： 2019
Issue： 10
Volume： 45
Page： 3182-3191
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
