基于LSTM模型的配电网单相接地故障辨识方法

论文摘要

对配电网故障类型进行辨识能够深入挖掘出故障特征量,提供关键信息,为人工巡线提供指导。对此,以真型故障实验波形及配电网运行的实测波形为样本基础,提出一种基于长短期记忆网络的电弧辨识方法,将故障分为含电弧类和不含电弧类2类。进一步针对2类故障,分别构建基于接地电阻稳态有效值特征量的分类神经网络,对各种具体接地故障进行识别。将网络模型应用于700组实测样本数据,以识别干土地、干沙地、树枝、湿土地、湿沙地、湿水泥地、水阻7类接地故障。辨识结果表明所提方法能够以较高的准确度对各类型接地故障实现辨识。

论文目录

• 1 配电网线路接地故障波形
• 2 深度学习模型理论
•   2.1 LSTM结构的深度学习网络
•   2.2 故障辨识流程
• 3 故障辨识方法
•   3.1 故障实验平台
•   3.2 构建及训练故障辨识网络
•     3.2.1 构建基于LSTM结构的电弧辨识网络
•       3.2.1.1 构建训练样本数据
•       3.2.1.2 构建并网络
•       3.2.1.3 输出网络结果及验证
•     3.2.2 构建多层神经网络分类器
•       3.2.2.1 构建训练样本数据
•       3.2.2.2 构建并网络
•       3.2.2.3 输出网络结果并进行验证
•   3.3 辨识结果分析
•     3.3.1 含电弧与不含电弧故障分类结果
•     3.3.2 各类型接地故障辨识结果
• 4 结束语

文章来源

类型: 期刊论文

作者: 邵庆祝,郭霖徽,刘亚东,谢民,戴长春,王同文,张骏,丛子涵

关键词: 配电网,接地故障,深度学习,辨识方法

来源: 广东电力 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 国网安徽省电力有限公司,上海交通大学电子信息与电气工程学院

基金: 国家自然科学基金项目(51707117)

分类号: TM862

页码: 100-106

总页数: 7

文件大小: 2009K

下载量: 208