<b id="nqvhe"><source id="nqvhe"><menu id="nqvhe"></menu></source></b>

    1. <source id="nqvhe"></source><xmp id="nqvhe"></xmp>
      1. <b id="nqvhe"></b>
        <u id="nqvhe"></u>
      2. <b id="nqvhe"><address id="nqvhe"><ol id="nqvhe"></ol></address></b>
      3. <source id="nqvhe"></source>
        <xmp id="nqvhe"><video id="nqvhe"></video></xmp>
          <b id="nqvhe"></b>
          <u id="nqvhe"></u>
        1. ABB 2608
          關注中國自動化產業發展的先行者!
          2026具身智能·邊緣計算賦能新質智造峰會
          人工智能+制造融合創新研討會
          2026中國自動化產業年會
          2025工業安全大會
          OICT公益講堂
          當前位置:首頁 >> 案例 >> 案例首頁

          案例頻道

          改進深度神經網絡的變電站繼電保護設備狀態監測研究
          • 企業:     行業:電力    
          • 點擊數:68     發布時間:2025-12-10 00:10:46
          現存變電站繼電保護設備狀態監測方法對數據的分析處理不到位,誤報警率較高,導致不能及時、準確地對其進行監測。基于上述背景,本文提出了一種基于改進深度神經網絡,對變電站繼電保護設備的狀態進行監測的方法。該方法首先利用深度神經網絡對變電站繼電保護設備狀態特征進行提取;然后,通過權重判定和量化處理構建變電站繼電保護設備運行狀態的自動監測模型;最后,對報送偏差進行調整,從而形成拓撲結構鏈路,完成繼電保護設備運行狀態監測工作。實驗結果表明,該方法監測數據精確度達到100%,誤報警率不高于3%。

          ★國網鎮江供電公司李翔,沈美玲,王周楹,朱婷華

          摘要:現存變電站繼電保護設備狀態監測方法對數據的分析處理不到位,誤報警率較高,導致不能及時、準確地對其進行監測。基于上述背景,本文提出了一種基于改進深度神經網絡,對變電站繼電保護設備的狀態進行監測的方法。該方法首先利用深度神經網絡對變電站繼電保護設備狀態特征進行提取;然后,通過權重判定和量化處理構建變電站繼電保護設備運行狀態的自動監測模型;最后,對報送偏差進行調整,從而形成拓撲結構鏈路,完成繼電保護設備運行狀態監測工作。實驗結果表明,該方法監測數據精確度達到100%,誤報警率不高于3%。

          關鍵詞:深度神經網絡;狀態監測;圖像配準;互補矩陣;拓撲結構

          在線預覽:改進深度神經網絡的變電站繼電保護設備狀態監測研究.pdf

          摘自《自動化博覽》2025年11月刊

          熱點新聞

          推薦產品

          x
          • 在線反饋
          1.我有以下需求:



          2.詳細的需求:
          姓名:
          單位:
          電話:
          郵件:

            <b id="nqvhe"><source id="nqvhe"><menu id="nqvhe"></menu></source></b>

            1. <source id="nqvhe"></source><xmp id="nqvhe"></xmp>
              1. <b id="nqvhe"></b>
                <u id="nqvhe"></u>
              2. <b id="nqvhe"><address id="nqvhe"><ol id="nqvhe"></ol></address></b>
              3. <source id="nqvhe"></source>
                <xmp id="nqvhe"><video id="nqvhe"></video></xmp>
                  <b id="nqvhe"></b>
                  <u id="nqvhe"></u>
                1. 国产精品高清视亚洲精品