基于ICEEMDAN及DenseNet的配电网故障选线方法及系统

    公开(公告)号:CN118606819A

    公开(公告)日:2024-09-06

    申请号:CN202410647683.3

    申请日:2024-05-23

    Abstract: 本发明提供了一种基于ICEEMDAN及DenseNet的配电网故障选线方法及系统,本发明能够选择含分布式电源配电网的故障线路,通过将自适应噪声与完整集成技术引入时频分析,克服了传统经验模态分解方法模态混叠的问题,并通过层级直连方式高效集成信号特征,解决了深度卷积神经网络梯度消失的问题。首先通过Simulink仿真获取原始数据,然后对故障后设定的周期的零序电流信号数据进行处理构建数据集,再利用ICEEMDAN对信号进行时频分解,将得到的各模态分量按频带高低堆叠,然后将二维图像输入DenseNet选定故障馈线。最后通过验证确定此含分布式电源配电网故障选线方法具有实际应用意义。该方法通过将密集块与过渡层引入卷积神经网络,增强了神经网络的宽度,能够更高精度地提取故障特征。

Patent Agency Ranking