期刊在线咨询服务,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)
关键词:tensorflow 分布式电源 配电网 深度学习 故障定位
摘要:随着大规模分布式电源(DG)接入配电网,配电网的结构由传统的辐射型变为多端电源结构,传统的故障定位方法不再完全满足含DG的配电网系统,对此提出一种基于深度学习的有源配电网故障定位方法。首先通过馈线监控终端采集过电流故障数据与节点电压数据,结合各电源出力数据,形成故障数据向量;然后使用Tensorflow构建基于全连接网络的深度神经网络模型,挖掘故障数据向量与故障支路之间的映射联系,形成故障定位模型;最后利用该模型在线定位故障并验证其有效性。模型测试结果表示,与反向传播神经网络、学习向量量化神经网络模型相比,深度学习模型收敛速度更快,故障定位准确率更高,同时在数据畸变或缺失时,模型具有较高的容错性。
电力工程技术杂志要求:
{1}文中一级标题、二级标题、三级标题、四级标题的序号用“一、……”“(一)……”“1.……”“(1)……”标示。
{2}确保投稿无一稿两投、不涉及保密及署名无争议等事项,若因保密原因不便公开的内容,应向编辑部说明。
{3}来稿力求做到富有思想性,观点新颖、概念准确、论证严谨、逻辑清晰、资料翔实、格式规范、文字精炼。
{4}参考文献:本刊要求所有参考文献按照在文中出现的先后顺序做实引,在引用处用上角标的形式标注,如“[1]”、“[2]”等。
{5}引用他人著作应依次标明作者、书名、出版社、出版时间、页码。第一版的著作无须注明版次。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社