融合相角特征与ANN的配电网故障智能诊断方法研究

兰瑞鑫; 温偲淼; 张稳; 傅生辉; 刘志虹

doi:10.13882/j.cnki.ncdqh.2509A001

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

融合相角特征与ANN的配电网故障智能诊断方法研究

新型配电网专题 | 更新时间：2025-11-20

- 融合相角特征与ANN的配电网故障智能诊断方法研究
- Research on Intelligent Fault Diagnosis Methods for Distribution Networks by Integrating Phase-angle Features and Artificial Neural Networks
- “在配电网故障诊断领域，研究人员提出了一种融合电压相角特征与人工神经网络的智能诊断方法，有效提高了故障诊断的鲁棒性与准确性。”
- 农村电气化 2025年第11期页码：24-29
- 作者机构：
  
  1.山东农业大学机械与电子工程学院，山东泰安 271018
  2.潍坊科技学院，山东寿光 262700
- 作者简介：
  
  [ "兰瑞鑫（2000—），男，硕士，研究生，研究方向为配电网安全稳定运行，E-mail：lrx12092000@163.com" ]
  [ "温偲淼（2006—），女，专科，研究方向为电力系统故障诊断技术，E-mail：18963591908@163.com" ]
  [ "张稳（1988—），女，博士，副教授，研究方向为复杂配电网安全稳定运行，E-mail：zhangwen_098@163.com" ]
  [ "傅生辉（1989—），男，博士，副教授，研究方向为智慧能源与智能装备，E-mail：fush@sdau.edu.cn" ]
  [ "刘志虹（1991—），女，博士，副教授，研究方向为电力系统运行优化，E-mail：zhliu@sdau.edu.cn" ]
- 基金信息：
  
  山东省自然科学基金青年项目（双碳目标下高渗透率城市能源系统脆弱节点辨识与风险预测方法研究）（ZR2022QE141）。
- DOI：10.13882/j.cnki.ncdqh.2509A001
  中图分类号： [TM721;32400.14.ncdqh.2509A001
- 收稿：2025-09-01，
  
  纸质出版：2025-11-10
- 稿件说明：
移动端阅览
兰瑞鑫, 温偲淼, 张稳, 等. 融合相角特征与ANN的配电网故障智能诊断方法研究[J]. 农村电气化, 2025,(11):24-29.

Ruixin LAN, Simiao WEN, Wen ZHANG, et al. Research on Intelligent Fault Diagnosis Methods for Distribution Networks by Integrating Phase-angle Features and Artificial Neural Networks[J]. Rural Electrification, 2025, (11): 24-29.
兰瑞鑫, 温偲淼, 张稳, 等. 融合相角特征与ANN的配电网故障智能诊断方法研究[J]. 农村电气化, 2025,(11):24-29. DOI： 10.13882/j.cnki.ncdqh.2509A001.

Ruixin LAN, Simiao WEN, Wen ZHANG, et al. Research on Intelligent Fault Diagnosis Methods for Distribution Networks by Integrating Phase-angle Features and Artificial Neural Networks[J]. Rural Electrification, 2025, (11): 24-29. DOI： 10.13882/j.cnki.ncdqh.2509A001.

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

西宁地区清洁采暖改造对配电网负荷特性的影响及电网适应性研究

低压双电源合环检测装置设计与示范应用

基于智能体的配电设备状态在线诊断技术应用

配电网模拟断路器的设计

基于配网安全、可靠、经济运行的分布式电源接入研究与实践

融合相角特征与ANN的配电网故障智能诊断方法研究

Research on Intelligent Fault Diagnosis Methods for Distribution Networks by Integrating Phase-angle Features and Artificial Neural Networks

DOI：10.13882/j.cnki.ncdqh.2509A001