基于改进的多尺度形态自适应权重神经网络提升配电网高阻抗故障的检测能力
《IEEE Potentials》:Enhancing detection of high impedance faults in distribution networks based on improved multi-scale morphological adaptive-weight neural network
【字体:
大
中
小
】
时间:2026年03月23日
来源:IEEE Potentials CS1.3
编辑推荐:
摘要:由于复杂的外部环境,配电网容易出现高阻抗故障。这类故障的电气特征较为微弱且难以识别,给传统的检测方法带来了很大挑战。本文提出了一种基于二维沃尔什变换和多尺度形态自适应权重神经网络的创新故障检测方案,并采用了增强的特征融合机制。具体而言,二维沃尔什变换能够将一维信号转换为二维
摘要:
由于复杂的外部环境,配电网容易出现高阻抗故障。这类故障的电气特征较为微弱且难以识别,给传统的检测方法带来了很大挑战。本文提出了一种基于二维沃尔什变换和多尺度形态自适应权重神经网络的创新故障检测方案,并采用了增强的特征融合机制。具体而言,二维沃尔什变换能够将一维信号转换为二维图像,从而在无需消耗过多能量或进行大量计算的情况下实现信息集中处理以及周期间关系的分析。多尺度形态自适应权重神经网络则在传统形态共享权重神经网络的基础上进行了改进:1)利用不同大小的优化结构元素实现并行多尺度特征提取;2)通过自适应通道注意力机制对特征进行精细化处理;3)采用加权融合策略以做出更可靠的决策。该神经网络能够同时捕捉多个尺度下的故障特征,并通过可学习的注意力权重智能地将这些特征整合起来。通过径向配电网、IEEE 34节点测试馈线以及实际配电网数据的全面测试,结果表明该故障检测方案能够在各种运行条件下有效区分高阻抗故障与正常的开关操作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号