基于深度学习的电容器介损角在线辨识

作者:王晓辉; 朱永利; 王艳; 郭丰娟

摘要:当前电容器介质损耗因素的计算方法为正向求解过程,即先对电容器工作电流和电压进行采样,再使用谐波分析等方法计算介损值,实践中算法稳定性不佳。为此提出了一种基于深度学习的电容器介损角辨识方法,采用一段时间的监测值训练深度学习网络,再使用该深度学习网络对新采样的信号进行辨识,判断介损角变化量(分辨率为0.001%)。给出了用于深度学习的介损角表示信号Dδ(t)的计算过程,证明了在讨论域内该信号的幅值即是介损角δ,且其波形形状包含监测装置受到的干扰。仿真实验证明该方法有效,比加汉宁窗的谐波分析法具有更好的抗噪能力。实际在线监测样本的计算结果表明其稳定性优于加汉宁窗的谐波分析法,且辨识结果不受电压互感器角差的影响。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 工程科技II
  • >
  • 电力工业
收录:
  • 上海图书馆馆藏
  • 北大期刊(中国人文社会科学期刊)
  • 万方收录(中)
  • 维普收录(中)
  • 知网收录(中)
  • 国家图书馆馆藏
  • CSCD 中国科学引文数据库来源期刊(含扩展版)
  • EI 工程索引(美)
  • JST 日本科学技术振兴机构数据库(日)
  • 统计源期刊(中国科技论文优秀期刊)
  • 文摘杂志
关键词:
  • 深度学习
  • 电容器
  • 介损角
  • 在线监测

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:电工技术学报

期刊级别:北大期刊

期刊人气:7015

杂志介绍:
主管单位:中国科学技术协会
主办单位:中国电工技术学会
出版地方:北京
快捷分类:电力
国际刊号:1000-6753
国内刊号:11-2188/TM
邮发代号:6-117
创刊时间:1986
发行周期:半月刊
期刊开本:A4
下单时间:1-3个月
复合影响因子:3.2
综合影响因子:3.79