留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于动态云—量子神经网络群的配电网实时故障定位方法

马亮 杨萍萍 高建宇

马亮,杨萍萍,高建宇.基于动态云-量子神经网络群的配电网实时故障定位方法[J].工矿自动化,2014, 40(11):71-75..  doi: 10.13272/j.issn.1671-251x.2014.11.017
引用本文: 马亮,杨萍萍,高建宇.基于动态云-量子神经网络群的配电网实时故障定位方法[J].工矿自动化,2014, 40(11):71-75..  doi: 10.13272/j.issn.1671-251x.2014.11.017
MA Liang, YANG Pingping, GAO Jianyu. Real-time fault location method of distribution network based on dynamic cloud and quantum neural network group[J]. Industry and Mine Automation, 2014, 40(11): 71-75. doi: 10.13272/j.issn.1671-251x.2014.11.017
Citation: MA Liang, YANG Pingping, GAO Jianyu. Real-time fault location method of distribution network based on dynamic cloud and quantum neural network group[J]. Industry and Mine Automation, 2014, 40(11): 71-75. doi: 10.13272/j.issn.1671-251x.2014.11.017

基于动态云—量子神经网络群的配电网实时故障定位方法

doi: 10.13272/j.issn.1671-251x.2014.11.017
基金项目: 

河北省自然科学基金钢铁联合基金资助项目(F2012209015)

河北联合大学轻工学院科学研究基金项目(qy20120012)

详细信息
  • 中图分类号: TD60

Real-time fault location method of distribution network based on dynamic cloud and quantum neural network group

  • 摘要: 针对传统的配电网故障定位方法在配电网故障信号微弱时存在的故障数据交叉现象严重、实时性较差等问题,提出了一种基于动态云-量子神经网络群的配电网实时故障定位方法;构建了用于配电网故障定位的动态云-量子神经网络群结构模型,提出一种动态云-量子神经网络群改进算法,并给出了基于该算法的配电网实时故障定位步骤;在Matlab软件中采用该方法对某10 kV配电网进行故障定位仿真研究,结果表明该方法能够实时、有效地实现故障信号微弱情况下的配电网故障定位,测试精度为97.39%,训练时间为0.001 6 s。

     

  • 加载中
计量
  • 文章访问数:  26
  • HTML全文浏览量:  1
  • PDF下载量:  2
  • 被引次数: 0
出版历程
  • 刊出日期:  2014-11-10

目录

    /

    返回文章
    返回