技术总结
本发明一种基于卷积神经网络的故障选相方法。首先根据双端供电系统原理图搭建仿真模型。其次，列出网络结构，通过设置批处理数量为较大定值，训练次数为较小定值，得到测试样本的错误率，错误率最小的网络结构即为最佳网络结构。然后，在最佳网络结构下，减少批处理数量，增加训练次数，使错误率降为0，从而得到训练好的网络结构参数和权值偏置矩阵。最后，在每次故障之后，获取故障电流，输入到训练好的网络中，即可得到故障类型输出，无需再次训练。该方法能够准确进行故障选相，检测灵敏度高，不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响，具有很高的可靠性。
技术研发人员：龚庆武;魏东;刘栋;乔卉;林燕贞;杨广辉;刘宇阳;沈勃;杨飞国;梁志远;杨安琪
受保护的技术使用者：武汉大学
文档号码：201610613683
技术研发日：2016.07.29
技术公布日：2017.01.04