摘要
本发明公开了一种基于改进MobileNetV2网络的特高压换流器区故障识别方法、系统及介质,方法包括:对特高压直流输电系统进行建模仿真,设置换流器区发生不同的故障情况,获取原始故障信号;对原始故障信号进行小波分解,选出与原始故障信号相关性最大的分解信号构建特征数据集,将特征数据集划分为训练集和测试集;将训练集输入改进MobileNetV2模型中训练神经网络模型,并学习故障特征;在当前神经网络模型训练次数达到设定效果则改进MobileNetV2模型训练完成;将测试集输入训练完成的改进MobileNetV2模型进行故障识别,得到特高压换流器区故障识别结果。可提高换流器区故障识别准确率和识别效率。
技术关键词
换流器
故障识别方法
神经网络模型训练
卷积模块
特高压
训练神经网络模型
建模仿真
空洞
调节网络参数
全局平均池化
故障识别系统
故障特征
仿真模型
残差模块
模型训练模块
短路
矩阵估计方法
信号
系统为您推荐了相关专利信息
融合深度学习
深度神经网络模型
关节力矩
骨骼模型
时间片
程度估计方法
全局特征提取
多尺度
sigmoid函数
卷积模块
特高压换流站
风险防控策略
标定系统
多模态
风险预测系统
干式变压器铁芯
故障识别方法
门控神经网络
声纹识别模型
融合特征