卷积神经网络的电力系统设备状态智能识别研究

来源 :信息技术 | 被引量 : 0次 | 上传用户:yuany06
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为提升电力系统设备状态识别效果,文中提出了卷积神经网络的电力系统设备状态智能识别方法。首先采集电力系统设备状态图像,采用卷积神经网络获取图像特征,然后根据图像内状态信息修正卷积神经网络参数,更新权值公式提取修正误差后的设备状态特征,将特征输入神经网络进行学习,建立电力系统设备状态智能识别模型,最后仿真测试结果表明,该方法可准确识别电力系统设备状态,识别10种设备状态准确率高达99%以上,且实时性高。
其他文献
随着空间科学的发展,低轨(LEO)卫星的宽带业务需求不断增大,其使用频段向Ka等高频段扩展,不可避免地与静止轨道(GEO)卫星系统产生同频干扰。文中对GEO卫星系统受到LEO卫星系
针对军事文本实体关系抽取过程中存在的“一句对应多个三元组”,“一个主语对应多个客体”等问题提出一种基于ERNIE的军事文本三元组抽取模型,在编码层引入ERNIE模型获取每个
火焰检测技术是电力火灾预防的关键技术之一。为了解决火焰检测算法泛化能力不足、正检率低和环境适应能力差的问题,提出了一种基于元学习和FHOG(Fused Histogram of Oriented Gradient)的电力监控火焰检测算法,其融合了注意机制的元学习方法和FHOG特征。实验结果证明,该算法误检率低、泛化力好、环境适应能力强。
为进一步提升异构云数据中心网络(DCN)动态管理的科学性,在总结当前主流研究局限性的基础上构思一种基于全局相对最优化的绿色虚拟算法。算法综合考虑虚拟机迁移过程中可能涉
通过利用整数规划算法和贪婪策略对基于李雅普诺夫优化的动态计算卸载(Lyapunov Optimization-based Dynamic Computation Offloading,LODCO)算法进行升级和重构,使其适用于
目前边缘计算的相关研究大部分着眼于如何将设备端数据卸载至边缘端进行处理,而未考虑云中心如何高效率、低延时地将不同任务下发至边缘节点的问题。针对该问题,文中提出了一
随着分组加密算法的广泛使用,抗DPA攻击的需求越来越大。文中根据秘密共享的思想,提出了一种基于秘密共享分组加密算法实现方案。该方案将输入分为两个独立的分组,并且设计了
为提升对区域电网调度系统维护信息对称性特征的识别效率及准确率,文中首先通过小波变换方法提取区域电网调度系统中维护信息的特征,然后运用模糊C均值算法分析特征数据的分
为解决车联网中现有协同考虑信任与路由的方案过于简单和欠缺的问题,提出了一种基于信任可靠度的安全路由。该路由考虑信任可靠度,且在确定下一跳节点时,结合消息类型和信任