| 仵博.基于卷积神经网络的水电站一次设备故障诊断研究[J].电工技术,2026(1):172-174 |
| 基于卷积神经网络的水电站一次设备故障诊断研究 |
|
| |
| DOI：10.19768/j.cnki.dgjs.2026.01.044 |
| 中文关键词: 水电站 一次设备 故障诊断 Retinex算法 卷积神经网络 数据降维 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 151 |
| 全文下载次数: 0 |
| 中文摘要: |
| 水电站一次设备是电力系统的核心组成部分，其运行状态直接影响电网的稳定性和安全性。传统故障诊断方法在面对复杂设备故障时效果有限，难以满足电力系统需求，因此提出了一种基于改进卷积神经网络的水电站一次设备故障诊断方法。通过引入Retinex算法增强设备红外图像，结合交叉熵函数构建深度卷积去噪自编码器进行数据降维，并利用卷积神经网络确定故障特征与类型的映射关系。实验结果表明，所提方法对不同故障类型的诊断准确率始终保持在95%以上，训练时间控制在4 min以内，显著优于传统方法。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 下载PDF阅读器 |
