摘要
本发明提供了一种基于相电压关联特征的熔断器慢熔断故障检测方法。本发明方法采集线路上游和中下游多个节点的三相相电压,对采集的相电压进行归一化、滑窗处理后输入到神经网络模型中进行训练;根据熔断器发生慢熔断时相电压可能存在轻微跌落的特征,结合线路各节点电压规律变化的先验知识,构建一种基于神经网络的熔断器异常检测方法,通过神经网络挖掘各节点电压数据间的非线性特征来实时更新相电压重构值。最后,根据相电压的实际值与重构值间均方根误差是否超过自适应阈值来识别熔断器异常。算例结果表明所提方法可以有效识别熔断器慢熔断过程,为保护系统可靠运行和提高运维效率奠定基础。
技术关键词
熔断故障
10kV母线
识别熔断器
神经网络模型
GRU神经网络
阈值计算方法
重构
异常检测方法
节点
非线性特征
变电站
保护系统
线路
数据
电压
运维
样本
系统为您推荐了相关专利信息
旋流燃烧系统
多燃料
煤粉输送管道
煤浆输送管道
氨气
前馈神经网络
参数优化方法
预训练模型
阻力
应力
汽车卡钳
纹理特征
编码器
特征选择
图像数据压缩
深度神经网络模型
深度强化学习
历史运行数据
电力系统模型
训练深度神经网络