龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国矿业大学
摘要：本发明属于电力系统继电保护技术领域，具体涉及基于VMD分解和机器学习的直流配电网线路故障选极方法，所述方法包括建立直流配电网模型，获取保护区段正极接地、负极接地、极间短路和区外故障四种状态下预设时间段内保护安装处的单端电流量，利用SABO结合最小样本熵为目标函数，对VMD重要参数模态分解层数和惩罚因子进行最佳寻优，得到电流量的最佳IMF分量，计算均值、方差、峰值、峭度、有效值、峰值因子、脉冲因子、波形因子、裕度因子，生成每个样本的特征向量矩阵，采用CNN对特征向量矩阵进行故障特征提取，将所得结果送入SVM中确定线路故障类型，完成故障选极，本发明能够有效提取和强化故障特征，提高故障检测的灵敏性和准确性。
主权项：1.一种基于VMD分解和机器学习的直流配电网线路故障选极方法，其特征在于，包括如下步骤：步骤S1、构建直流配电网模型，在所述直流配电网模型中建立不同的保护区段，在每个所述保护区段的保护装置安装处，采集在四种故障状态下预设时间段内的单端电流量，根据所述保护区段的长度和特性，设定多个故障点，模拟不同位置发生的故障类型，同时收集不同所述故障类型的多个故障样本；步骤S2、利用VMD和SABO结合最小样本熵，对VMD的模态分解层数和惩罚因子进行最佳寻优，利用VMD对故障电流进行分解，得到最佳IMF分量，所述故障电流是指在步骤S1中采集的所述单端电流量；步骤S3、对所述最佳IMF分量进行初步特征提取，所述特征为时域统计指标，包括均值、方差、峰值、峭度、有效值、峰值因子、脉冲因子、波形因子、裕度因子，基于所述特征生成每个样本的特征向量矩阵；步骤S4、采用CNN对所述特征向量矩阵进行故障特征提取，并将获取到的提取结果作为样本输入SVM分类器进行训练和学习，SVM分类器根据训练结果对故障类型进行分类，实现故障选极。
全文数据：
权利要求：
百度查询： 中国矿业大学 基于VMD分解和机器学习的直流配电网线路故障选极方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号