LSTM-CNN網(wǎng)絡(luò)在同步電機(jī)勵(lì)磁繞組匝間短路故障預(yù)警中的應(yīng)用
發(fā)布時(shí)間:2021-03-22 20:13
人工智能與電力系統(tǒng)的結(jié)合日漸緊密,深度學(xué)習(xí)在實(shí)現(xiàn)電網(wǎng)智能化中起到了重要的作用。為了實(shí)現(xiàn)隱極同步電機(jī)勵(lì)磁繞組匝間短路早期故障的在線預(yù)警,提出一種基于LSTM-CNN的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。模型以同步電機(jī)正常運(yùn)行時(shí)多個(gè)可測(cè)量物理量和勵(lì)磁電流為網(wǎng)絡(luò)輸入、輸出,利用歷史數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練,并根據(jù)擬合輸入量與輸出量之間的函數(shù)關(guān)系確定故障預(yù)警閾值。以相同的實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練相同層數(shù)的LSTM網(wǎng)絡(luò)、CNN網(wǎng)絡(luò)與LSTM-CNN網(wǎng)絡(luò),結(jié)果證明LSTM-CNN網(wǎng)絡(luò)在訓(xùn)練速度和擬合精度上的綜合表現(xiàn)最佳。
【文章來(lái)源】:華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(04)北大核心
【文章頁(yè)數(shù)】:10 頁(yè)
【部分圖文】:
LSTM原理圖
CNN由多層感知機(jī)演變而來(lái),隸屬于前饋神經(jīng)網(wǎng)絡(luò)。CNN所具有局部連接和權(quán)值共享的特性,使得該網(wǎng)絡(luò)需要的參數(shù)更少,進(jìn)而降低了模型的復(fù)雜度,提高了訓(xùn)練速度。CNN由若干個(gè)卷積層(Convolution Layer,CL),池化層(Pooling Layer,PL)和全連接層(Fully Connected Layer,FCL)組成。其中,CL和PL的數(shù)目不固定,存在多種排列方式,如CL與PL交替排列或多層CL疊加一個(gè)PL。根據(jù)對(duì)輸入數(shù)據(jù)的處理方式不同,CNN可以分為一維CNN、二維CNN和三維CNN。一維CNN的網(wǎng)絡(luò)輸入為三維結(jié)構(gòu)(樣本個(gè)數(shù),與過(guò)去相關(guān)時(shí)刻,特征維數(shù)),其原理如圖3所示。
一維卷積神經(jīng)網(wǎng)絡(luò)原理圖
【參考文獻(xiàn)】:
期刊論文
[1]基于LSTM算法的電力諧波監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)[J]. 劉啟斌,尹溫碩,胡衛(wèi)華,陶順. 電力電容器與無(wú)功補(bǔ)償. 2019(05)
[2]深度學(xué)習(xí)在電機(jī)故障診斷中的應(yīng)用研究[J]. 王惠中,賀珂珂,房理想. 計(jì)算機(jī)仿真. 2019(10)
[3]基于深度學(xué)習(xí)的永磁同步電機(jī)故障診斷方法[J]. 張周磊,李垣江,李夢(mèng)含,魏海峰. 計(jì)算機(jī)應(yīng)用與軟件. 2019(10)
[4]基于多源信息融合的同步發(fā)電機(jī)轉(zhuǎn)子繞組匝間短路故障識(shí)別[J]. 李永剛,王羅,李俊卿,馬明晗. 電力系統(tǒng)自動(dòng)化. 2019(16)
[5]基于一維卷積神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估[J]. 高昆侖,楊帥,劉思言,李向偉. 電力系統(tǒng)自動(dòng)化. 2019(12)
[6]基于GBDT的電力計(jì)量設(shè)備故障預(yù)測(cè)[J]. 劉金碩,劉必為,張密,劉卿. 計(jì)算機(jī)科學(xué). 2019(S1)
[7]人工智能在電力系統(tǒng)暫態(tài)問(wèn)題中的應(yīng)用綜述[J]. 湯奕,崔晗,李峰,王琦. 中國(guó)電機(jī)工程學(xué)報(bào). 2019(01)
[8]核電四極汽輪發(fā)電機(jī)轉(zhuǎn)子典型故障溫度場(chǎng)分析[J]. 馬明晗,武玉才,李永剛. 哈爾濱工程大學(xué)學(xué)報(bào). 2019(05)
[9]水輪發(fā)電機(jī)勵(lì)磁繞組匝間短路轉(zhuǎn)子溫度場(chǎng)計(jì)算[J]. 李俊卿,王羅,李永剛. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]基于連續(xù)小波變換和卷積神經(jīng)網(wǎng)絡(luò)的無(wú)刷直流電機(jī)故障診斷[J]. 王驍賢,張保華,陸思良. 機(jī)械與電子. 2018(06)
博士論文
[1]大型發(fā)電機(jī)勵(lì)磁繞組匝間短路故障的在線監(jiān)測(cè)與定位[D]. 張廣韜.北京交通大學(xué) 2018
本文編號(hào):3094406
【文章來(lái)源】:華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,47(04)北大核心
【文章頁(yè)數(shù)】:10 頁(yè)
【部分圖文】:
LSTM原理圖
CNN由多層感知機(jī)演變而來(lái),隸屬于前饋神經(jīng)網(wǎng)絡(luò)。CNN所具有局部連接和權(quán)值共享的特性,使得該網(wǎng)絡(luò)需要的參數(shù)更少,進(jìn)而降低了模型的復(fù)雜度,提高了訓(xùn)練速度。CNN由若干個(gè)卷積層(Convolution Layer,CL),池化層(Pooling Layer,PL)和全連接層(Fully Connected Layer,FCL)組成。其中,CL和PL的數(shù)目不固定,存在多種排列方式,如CL與PL交替排列或多層CL疊加一個(gè)PL。根據(jù)對(duì)輸入數(shù)據(jù)的處理方式不同,CNN可以分為一維CNN、二維CNN和三維CNN。一維CNN的網(wǎng)絡(luò)輸入為三維結(jié)構(gòu)(樣本個(gè)數(shù),與過(guò)去相關(guān)時(shí)刻,特征維數(shù)),其原理如圖3所示。
一維卷積神經(jīng)網(wǎng)絡(luò)原理圖
【參考文獻(xiàn)】:
期刊論文
[1]基于LSTM算法的電力諧波監(jiān)測(cè)數(shù)據(jù)預(yù)測(cè)[J]. 劉啟斌,尹溫碩,胡衛(wèi)華,陶順. 電力電容器與無(wú)功補(bǔ)償. 2019(05)
[2]深度學(xué)習(xí)在電機(jī)故障診斷中的應(yīng)用研究[J]. 王惠中,賀珂珂,房理想. 計(jì)算機(jī)仿真. 2019(10)
[3]基于深度學(xué)習(xí)的永磁同步電機(jī)故障診斷方法[J]. 張周磊,李垣江,李夢(mèng)含,魏海峰. 計(jì)算機(jī)應(yīng)用與軟件. 2019(10)
[4]基于多源信息融合的同步發(fā)電機(jī)轉(zhuǎn)子繞組匝間短路故障識(shí)別[J]. 李永剛,王羅,李俊卿,馬明晗. 電力系統(tǒng)自動(dòng)化. 2019(16)
[5]基于一維卷積神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估[J]. 高昆侖,楊帥,劉思言,李向偉. 電力系統(tǒng)自動(dòng)化. 2019(12)
[6]基于GBDT的電力計(jì)量設(shè)備故障預(yù)測(cè)[J]. 劉金碩,劉必為,張密,劉卿. 計(jì)算機(jī)科學(xué). 2019(S1)
[7]人工智能在電力系統(tǒng)暫態(tài)問(wèn)題中的應(yīng)用綜述[J]. 湯奕,崔晗,李峰,王琦. 中國(guó)電機(jī)工程學(xué)報(bào). 2019(01)
[8]核電四極汽輪發(fā)電機(jī)轉(zhuǎn)子典型故障溫度場(chǎng)分析[J]. 馬明晗,武玉才,李永剛. 哈爾濱工程大學(xué)學(xué)報(bào). 2019(05)
[9]水輪發(fā)電機(jī)勵(lì)磁繞組匝間短路轉(zhuǎn)子溫度場(chǎng)計(jì)算[J]. 李俊卿,王羅,李永剛. 華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]基于連續(xù)小波變換和卷積神經(jīng)網(wǎng)絡(luò)的無(wú)刷直流電機(jī)故障診斷[J]. 王驍賢,張保華,陸思良. 機(jī)械與電子. 2018(06)
博士論文
[1]大型發(fā)電機(jī)勵(lì)磁繞組匝間短路故障的在線監(jiān)測(cè)與定位[D]. 張廣韜.北京交通大學(xué) 2018
本文編號(hào):3094406
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3094406.html
最近更新
教材專(zhuān)著