[发明专利]一种采用卷积深度置信网络的配电网故障分类方法在审
| 申请号： | 201811029500.2 | 申请日： | 2018-09-05 |
| 公开（公告）号： | CN109325526A | 公开（公告）日： | 2019-02-12 |
| 发明（设计）人： | 洪翠;付宇泽;郭谋发;高伟 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种采用卷积深度置信网络的配电网故障分类方法，首先采集主变低压母线的三相电压、零序电压和主变低压侧三相电流，对各类故障工况分别截取故障前后各一周波的信号波形数据作为训练样本；接着采用离散小波包变换对步骤S1的训练样本数据进行时频分解，求取时频矩阵，进而构造时频谱图的像素矩阵，并构造时频谱图，作为后续CDBN模型的输入；然后构建CDBN模型，以无监督学习方式训练两个卷积受限玻尔兹曼机，在第2个CRBM后添加softmax分类器，训练网络模型，实现故障特征的有效提取及自动分类；最后采用训练好的模型实现配电网故障分类。本发明能够实现准确的故障定位。 | ||
| 搜索关键词： | 配电网故障 卷积 时频谱图 时频 置信 主变 分类 受限玻尔兹曼机 矩阵 信号波形数据 训练网络模型 训练样本数据 无监督学习 小波包变换 低压母线 故障定位 故障特征 零序电压 模型实现 三相电流 三相电压 像素矩阵 训练样本 自动分类 分类器 截取 构建 网络 采集 分解 | ||
【主权项】：
1.一种采用卷积深度置信网络的配电网故障分类方法，其特征在于：包括以下步骤：步骤S1：采集主变低压母线的三相电压、零序电压和主变低压侧三相电流，对各类故障工况分别截取故障前后各一周波的信号波形数据作为训练样本；步骤S2：采用离散小波包变换对步骤S1的训练样本数据进行时频分解，求取时频矩阵，进而构造时频谱图的像素矩阵，并构造时频谱图，作为后续CDBN模型的输入；步骤S3：构建CDBN模型，以无监督学习方式训练两个卷积受限玻尔兹曼机，在第2个CRBM后添加softmax分类器，训练网络模型，实现故障特征的有效提取及自动分类；步骤S4：以步骤S1获得的测试样本以及步骤S2构造时频谱图，输入至步骤S3已训练完善的CDBN模型中，实现配电网故障分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811029500.2/，转载请声明来源钻瓜专利网。
