难以获取大量带有标签的暂态数据, 导致传统的故障预测模型精度难以提高. 针对此问题,
提出一种将特征迁移和深度学习相结合的配电网故障诊断新方法. 首先, 采集配电网不同线路的
零序电流构造故障特征集; 其次, 引入加权半监督迁移成分分析(semi-supervised transfer
component analysis, SSTCA) 方法, 利用混合核函数将不同拓扑结构下的特征样本映射到同一
特征空间中, 缩小数据间的分布差异性; 最后, 将映射后的源域样本输入卷积神经网络中进行分类 …