发帖
雷达卡
MATLAB
实现基于
CNN-ST-MHA
卷积神经网络（
CNN）结合S变换时频图（
ST）和多头注意力机制（
MHA）进行输电线路故障分类预测的详细项目实例
现代输电线路承担着大容量、远距离和高可靠性的电能输送任务，是新型电力系统、跨区域能源配置和新能源并网消纳的重要基础设施。线路运行环境复杂，沿线可能受到雷击、覆冰、强风、树障、绝缘老化、施工外破、设备接触不良以及短路电流冲击等多种因素影响。一旦发生单相接地、两相短路、两相接地、三相
短路、断线、高阻接地等故障，电压和电流信号会在极短时间内产生突变、畸变、衰减振荡、频率扩散和谐波增强等复杂变化。故障类型识别速度与准确率直接影响继电保护动作、故障隔离范围、供电恢复效率以及电网运行安全。
传统输电线路故障分类通常依赖工频量、序分量、阻抗变化、暂态能量、波形峰值和人工构造统计特征。此类方法在理想运行条件下具有一定实用价值，但当线路长度变化、过渡电阻增大、故障初始角变化、噪声水平升高、分布式电源接入比例增加或系统运行方式改变时，人工特征容易出现稳定性下降的问题。特别是在含有高频暂态成分、非平稳扰动以及多源耦合影响的场景中，仅依赖时域或频 ...
京公网安备 11010802022788号
