[发明专利]基于CNN的自监督电压暂降源辨识方法在审
| 申请号： | 201910869688.X | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110672905A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 郑建勇;李丹奇;梅飞;沙浩源;李陶然 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G01R19/00 | 分类号： | G01R19/00;G01R31/34;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 32200 南京经纬专利商标代理有限公司 | 代理人： | 许方 |
| 地址： | 210018 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN的自监督电压暂降源辨识方法，包括如下步骤：采集电压暂降数据，对所述电压暂降数据进行预处理；在自动编码器的基础上构建卷积编码器与卷积解码器，以建立CNN自监督模型，使所述CNN自监督模型采用卷积层与池化层提取特征，采用BP分类网络进行分类；将预处理后的电压暂降数据划分为训练集和测试集，将训练集批量输入所述CNN自监督模型，以训练所述CNN自监督模型的特征提取能力与分类能力；将所述测试集输入训练后的CNN自监督模型，以对所述测试集进行电压暂降源辨识。采用本方法能够准确辨识电压暂降源。 | ||
| 搜索关键词： | 电压暂降 测试集 辨识 预处理 监督 训练集 卷积编码器 卷积解码器 自动编码器 分类能力 分类网络 特征提取 提取特征 池化 构建 卷积 采集 分类 | ||
【主权项】：
1.一种基于CNN的自监督电压暂降源辨识方法，其特征在于，包括如下步骤：/nS10，采集电压暂降数据，对所述电压暂降数据进行预处理；所述电压暂降数据包括短路故障数据、变压器投切数据及电动机启动引起的电机运行数据；/nS20，在自动编码器的基础上构建卷积编码器与卷积解码器，以建立CNN自监督模型，使所述CNN自监督模型采用卷积层与池化层提取特征，采用BP分类网络进行分类；/nS30，将预处理后的电压暂降数据划分为训练集和测试集，将训练集批量输入所述CNN自监督模型，以训练所述CNN自监督模型的特征提取能力与分类能力；/nS40，将所述测试集输入训练后的CNN自监督模型，以对所述测试集进行电压暂降源辨识。/n
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东南大学，未经东南大学许可，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/201910869688.X/，转载请声明来源钻瓜专利网。
