基于TensorFlow机器学习的交流输电线路故障辨识方法

张浩然

doi:10.13599/j.cnki.11-5130.2024.04.011

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于TensorFlow机器学习的交流输电线路故障辨识方法

电气与自动化 | 更新时间：2026-07-27

- 基于TensorFlow机器学习的交流输电线路故障辨识方法
- 基于TensorFlow机器学习的交流输电线路故障辨识方法
- 水电站机电技术 2024年47卷第4期页码：37-39+54
- 作者机构：
  
  广东省水利电力勘测设计研究院有限公司
- 作者简介：
- 基金信息：
- DOI：10.13599/j.cnki.11-5130.2024.04.011
  中图分类号： TM75;TP181
- 纸质出版：2024
- 稿件说明：
移动端阅览
张浩然. 基于TensorFlow机器学习的交流输电线路故障辨识方法[J]. 水电站机电技术, 2024,47(4):37-39+54.

张浩然. 基于TensorFlow机器学习的交流输电线路故障辨识方法[J]. 2024, 47(4): 37-39+54.
张浩然. 基于TensorFlow机器学习的交流输电线路故障辨识方法[J]. 水电站机电技术, 2024,47(4):37-39+54. DOI： 10.13599/j.cnki.11-5130.2024.04.011.

张浩然. 基于TensorFlow机器学习的交流输电线路故障辨识方法[J]. 2024, 47(4): 37-39+54. DOI： 10.13599/j.cnki.11-5130.2024.04.011.

摘要

交流输电线路在电力系统中起着关键的作用，影响着国家工业发展和人民的经济生活。尽管直流输电技术越来越完善，但交流输电方式在高压输电和低压配电中仍然举足轻重。因此当交流输电线路发生故障时，如何快速且准确的识别出故障类型进而进行相应故障处理，对于提高电网可靠性，减少经济损失具有很高的实际意义的。本文搭建了TensorFlow机器学习平台，通过电磁暂态仿真模型软件测试出训练数据和测试数据，研究基于相关算法的三相交流线路短路故障辨识的方法。希望通过TensorFlow这个深度学习平台，探索出较为成熟的交流线路短路故障识别方法，并以此为出发点应用在电力系统的各个环节中。

Abstract

关键词

Keywords

references

陈超.电力系统220kV线路单相自动重合闸仿真分析[J].电气开关,2012(05).

王明儒.选相方法的种类及说明[J].中国电力教育,2010(S1).

何正友,符玲,麦瑞坤,钱清泉,张鹏.小波奇异熵及其在高压输电线路故障选相中的应用[J].中国电机工程学报,2007(01).

王俊良,王云峰,康贯成.微机保护故障选相技术的应用[J].继电器,2002(11).

刘厚禄.相电流差突变量选相元件动作分析[J].电力自动化设备,1998(03).

宋梦姣.基于深度学习的微博文本情感分析研究[D].南京大学,2018(10).

蒋志伟.基于Ether的恶意软件动态分析[D].山东大学,2013(10).

曾成斌.多摄像机协同的行人检测技术研究[D].北京邮电大学,2011(12).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多模型融合的水轮机振摆合理性分析及预测

《水电站机电技术》征订单

基于深度学习的泵站干式变压器声纹监测方法研究

小型水电站水轮机提质升级改造策略分析

某抽水蓄能电站变速机组转子接地故障分析及处理