[发明专利]一种基于深度学习的电网故障检测方法在审
| 申请号： | 201910337285.0 | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110161370A | 公开（公告）日： | 2019-08-23 |
| 发明（设计）人： | 李铁;唐俊刺;姜枫;苏安龙;高凯;田景辅;于游;钱海;刘淼;刘刚;王洪哲;李典阳;曾辉;许小鹏;韩子娇;冯占稳;朱伟峰;王钟辉;詹克明;高梓济;韩秋;赵军;句荣滨;武力;伦涛;宁辽逸;周纯莹;李学斌;曲直;王冰;金鹏;范维;王超 | 申请（专利权）人： | 国网辽宁省电力有限公司;国网辽宁省电力有限公司电力科学研究院;国家电网有限公司;上海交通大学 |
| 主分类号： | G01R31/08 | 分类号： | G01R31/08 |
| 代理公司： | 沈阳智龙专利事务所(普通合伙) 21115 | 代理人： | 周智博;宋铁军 |
| 地址： | 110000 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度学习的电网故障检测方法，该方法步骤如下：（一）、将公共点电压信号进行多分辨率经验模态分解；（二）、利用步骤（一）的分解信号进行相空间重构，对每层相空间矩阵进行奇异谱分解得到每层相空间矩阵的奇异值，根据各层奇异值提取各层相空间奇异谱熵；将多层奇异谱熵组合后构成多分辨率奇异谱熵的深度神经网络参数特征向量；（三）、将步骤（二）中的特征向量直接代入深度神经网络模型进行电网故障检测。通过本方法提取的特征向量对同类信号和同种样本具有稳定性，对区分故障和扰动状态，降低扰动状态时的误判，避免光伏系统误动作起到了很好的作用。 | ||
| 搜索关键词： | 电网故障 奇异谱熵 特征向量 相空间矩阵 多分辨率 扰动状态 检测 经验模态分解 神经网络参数 神经网络模型 公共点电压 相空间重构 方法提取 分解信号 光伏系统 同类信号 奇异谱 误动作 误判 多层 样本 分解 学习 | ||
【主权项】：
1.一种基于深度学习的电网故障检测方法，其特征在于：该方法步骤如下：(一)、将公共点电压信号进行多分辨率经验模态分解；(二)、利用步骤(一)的分解信号进行相空间重构，对每层相空间矩阵进行奇异谱分解得到每层相空间矩阵的奇异值，根据各层奇异值提取各层相空间奇异谱熵；将多层奇异谱熵组合后构成多分辨率奇异谱熵的深度神经网络参数特征向量；(三)、将步骤(二)中的特征向量直接代入深度神经网络模型进行电网故障检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网辽宁省电力有限公司;国网辽宁省电力有限公司电力科学研究院;国家电网有限公司;上海交通大学，未经国网辽宁省电力有限公司;国网辽宁省电力有限公司电力科学研究院;国家电网有限公司;上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910337285.0/，转载请声明来源钻瓜专利网。
