基于多尺度广义S变换和深度残差网络的雷击跳闸故障类型识别方法
Insulators and Surge Arresters（2021）
摘要
为提高雷击跳闸类型判断的效率和智能化水平,提出一种基于多尺度广义S变换和深度残差网络的雷击跳闸故障识别方法.首先采用广义S变换对雷击跳闸暂态信号进行时频变换,通过改变广义S变换中的调节因子A获得多尺度时频分布图像,然后将变换得到的多尺度时频分布特征图作为特征图像输入到深度残差网络中,进行特征提取和识别模型建立,最终识别出雷击跳闸故障类型.以124个输电线路实测雷击跳闸暂态电压信号样本作为训练集和测试集输入到识别模型中,并与其他方法进行对比,验证提出方法的有效性.结果 表明,采用多尺度广义S变换和深度残差网络构成的雷击跳闸故障识别模型识别反击跳闸和绕击跳闸的准确率分别为96.67％和95.94％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要