| 鲁玉海.基于T-DSCNN的故障选线方法研究[J].电工技术,2024(22):193-196 |
| 基于T-DSCNN的故障选线方法研究 |
|
| |
| DOI：10.19768/j.cnki.dgjs.2024.22.054 |
| 中文关键词: T-DSCNN 故障选线 迁移学习 融合图像 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 19 |
| 全文下载次数: 0 |
| 中文摘要: |
| 研究了一种基于迁移深度可分离卷积神经网络(T-DSCNN)的故障选线方法，旨在提高电力系统中故障选线的准确性和效率。通过引入迁移学习的概念，T-DSCNN能够利用预训练的模型参数作为初始权重，加速模型的训练过程并提高其泛化能力。深度可分离卷积技术的应用减少了模型的参数量，降低了计算复杂度，从而使得模型在保持高准确率的同时更适用于实时故障选线的应用场景。在基于标准数据集的故障选线测试中，T-DSCNN表现出了优异的性能，识别速度和准确率高于传统卷积神经网络和其他故障选线方法。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
