【技术实现步骤摘要】
本专利技术涉及微电网，具体涉及一种基于深度学习的微电网故障分类方法。
技术介绍
1、近年来由于电力需求的日益增长和石化燃料的显著减少，分布式能源(de)在现代电力系统中的应用发挥了重要的作用。随着社会生活水平的日渐提升和电网规模的不断发展，微电网凭借其可靠、安全、可持续和绿色的突出特点在近年的能源结构中的占比日益增加。在传统电力系统中，故障力学结构更加稳定，因此故障分类相对较为容易。而在微电网系统中，由于整体结构较为复杂，因此故障分类相对较为困难。然而微电网故障分类精度对于确保负荷的可靠供电以及主网的完全具有关键作用，因此对于电网故障分类进行精准的研究至关重要。
2、基于深度学习的微电网故障分类具有速度快，可靠，泛化能力强等优点算法在微电网系统中的应用和研究非常广泛，未来还有很大的发展空间。如anfis(自适应神经模糊推理系统)，支持向量机，长短期记忆和ann(人工神经网络)等方法应用于电力系统故障分类取得巨大的进步，但是仍然存在一些问题。
3、2016年，wang(wang jinyu,nie cheng,an...
【技术保护点】
1.基于深度学习的微电网故障分类方法，其特征是，包括步骤如下：
2.根据权利要求1所述的基于深度学习的微电网故障分类方法，其特征是，每个改进残差模块均包括输入侧卷积层、分割与融合模块、有效通道注意力模块和输出侧卷积层；输入侧卷积层的输入端形成改进残差模块的输入端，输入侧卷积层的输出端连接分割与融合模块的输入端，分割与融合模块的输出端连接有效通道注意力模块的输入端，有效通道注意力模块的输出端连接输出侧卷积层的输入端，输出侧卷积层的输出端形成改进残差模块的输出端。
3.根据权利要求2所述的基于深度学习的微电网故障分类方法，其特征是，第一改进残差模块...
【技术特征摘要】
1.基于深度学习的微电网故障分类方法，其特征是，包括步骤如下：
2.根据权利要求1所述的基于深度学习的微电网故障分类方法，其特征是，每个改进残差模块均包括输入侧卷积层、分割与融合模块、有效通道注意力模块和输出侧卷积层；输入侧卷积层的输入端形成改进残差模块的输入端，输入侧卷积层的输出端连接分割与融合模块的输入端，分割与融合模块的输出端连接有效通道注意力模块的输入端，有效通道注意力模块的输出端连接输出侧卷积层的输入端，输出侧卷积层的输出端形成改进残差模块的输出端。
3.根据权利要求2所述的基于深度学习的微电网故障分类方法，其特征是，第一改进残差模块的输入侧卷积层的卷积核大小为1×1，卷积核通道数为64，第一改进残差模块的输出侧卷积层的卷积核大小为1×1，卷积核通道数为256；第二改进残差模块的输入侧卷积层的卷积核大小为1×1，卷积核通道数为128，第二改进残差模块的...
【专利技术属性】
技术研发人员：范莹，魏晓川，曹颖爽，徐琴，罗祾，陈文英，宋淳，文湘枫，朱修顺，林科，覃志松，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。