基于轻量化CNN的配电网故障识别研究  

A Study on Distribution Network Fault Identification Based on Lightweight CNN

作　　者：王逸飞 赵英男[2] 彭真 

机构地区：[1]南京信息工程大学软件学院 [2]南京信息工程大学计算机学院

出　　处：《电力设备管理》2023年第14期185-188,共4页Electric Power Equipment Management

摘　　要：现有基于深度学习的配电网故障识别算法普遍存在结构复杂、参数较多、计算量大等问题。基于此,本文对卷积神经网络(Convolutional Neural Networks,CNN)模型应用深度可分离卷积进行轻量化改进,并进一步采用倒残差结构优化,提高模型的特征表达能力,结合变分模态分解(Variational mode decomposition,VMD)预处理,提出VMD-LCNN模型(VMD and Lightweight CNN)。该模型首先应用VMD分解提取故障信号特征,然后输入到轻量化CNN中,最后对故障类型进行识别。试验结果表明,该模型的有效性和可行性。

关 键 词：配电网 故障识别 CNN 轻量化 VMD 

分 类 号：TM7[电气工程—电力系统及自动化]