公开(公告)号：CN110488149A

公开(公告)日：2019-11-22

申请号：CN201910717953.2

申请日：2019-08-05

Applicant: 三峡大学

Inventor： 李欣 ,  马志成 ,  郑之艺 ,  桂德 ,  钟浩 ,  李世春 ,  刘颂凯

IPC: G01R31/08 ,  G01R31/02 ,  G06F17/50 ,  G06N3/06 ,  G06N3/08

Abstract: 基于小波求和极限学习机SW-ELM的输电线路短路故障分类与定位方法，建立训练测试集，对故障检测和故障诊断算法进行训练；采集并输入三相电流差值的瞬时三相电流的差值；输入权重和偏差随机分配到sigmoid激活函数的节点；输出权值由Moore-Penrose伪递求出，表示为y1；如果发现故障，在故障诊断步骤中，输入显示出故障的三相电流差值的一个周期内的离散波形；通过Nguyen-Widrow方法，向被激活的小波求和函数的节点，输入初始化的权重和偏差；输出的权值由Moore-Penrose伪递求出，表示为y2。本发明方法能够适用于多个系统，并且只需要一个步骤就能完成故障分类和定位。以解决传统故障诊断方法训练速度慢，训练过程繁琐等问题。

公开(公告)号：CN110728299A

公开(公告)日：2020-01-24

申请号：CN201910843026.5

申请日：2019-09-06

Applicant: 三峡大学

Inventor： 李欣 ,  秦成龙 ,  郑之艺 ,  桂德 ,  钟浩 ,  花雅文

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 基于多重极限学习机的电力系统故障后暂态稳定分层评估方法，根据最大相关最小冗余算法MRMR，在电力系统历史大数据中提取能够表征当前电力系统暂态稳定状况的关键特征；利用提取出的电力系统暂态稳定状况的关键特征对多重极限学习机ELMs进行分层学习训练，然后将故障后电力系统关键特征群，输入到各层训练好的多重极限学习机ELMs中，最后各层利用决策评价准则，得出最终的暂态稳定评价结果。该方法具有高精度的同时，还满足了智能电网大数据的快速性要求。