本书是一本研究深度学习在牵引供电系统暂态辨识与故障测距中的应用的学术专著。牵引供电系统是电气化铁路的关键基础设施, 也是相对薄弱的环节, 其绝缘故障、跳闸、弓网电弧、过分相涌流等非正常工作状态, 既会对供电可靠性造成威胁, 也会给设备带来损害, 准确地辨识故障或异常, 有利于提高运行维护水平。另外, 接触网点多线长, 无备用, 一旦故障停电, 将中断行车, 故障的精确定位有利于缩短修复时间。本书在将深度学习方法引入到暂态信号的特征信息的自动提取和处理中做出了尝试和研究, 并取得了较好的实验效果, 从而为牵引供电系统的暂态辨识与故障测距提供了一条新的解决思路和方法。

1 绪论
1.1 引言
1.2 牵引供电系统的暂态过程
1.3 国内外研究现状分析
1.4 主要研究内容
2 牵引供电系统暂态过程分析
2.1 牵引供电系统暂态过程类型
2.2 实测数据分析
2.3 牵引供电系统短路故障
2.4 雷电过电压
2.5 弓网离线过电压
2.6 过分相
本章小结
3 深度学习
3.1 深度学习简介
3.2 深度学习的基本模型及其改进
3.3 其他
本章小结
4 基于深度学习的牵引供电系统暂态信号辨识
4.1 基于卷积网络1D-CNN和多任务学习MTL的雷电绕击与反击识别
4.2 基于多变量的GRU和FCN并行模型的牵引供电系统暂态辨识
本章小结
5 无标记实测数据的深度聚类分析
5.1 基于1D-CNN和LSTM的深度时间聚类方法
5.2 实验设计与结果分析
本章小结
6 牵引供电系统行波传播特性
6.1 AT供电专用自耦变压器的电磁暂态建模
6.2 牵引供电线路行波特性分析
6.3 仿真验证及分析
本章小结
7 牵引供电系统行波故障测距
7.1 考虑行波波到的波尾形态差异的单端故障测距
7.2 基于MGRU-FCN的单端行波故障测距
本章小结
8 总结与展望
参考文献
附录A 参数计算、仿真模型
附录B 弓网离线电弧模型MODELS代码
附录C 暂态数据集波形
收起全部↑