基于同步提取变换和卷积神经网络的有源配电网单相接地故障选线方法

• Published in: 山东电力技术 Vol. 52; no. 2; pp. 65 - 77
• Main Authors: 翟乐庆, 刘益青, 魏元健, 徐枫, 张宸恺
• Format: Journal Article
• Language: Chinese
• Published: 济南大学自动化与电气工程学院,山东 济南 250022 2025
• Subjects: 卷积神经网络; 有源配电网; single-phase grounding fault line selection; 单相接地故障选线; synchroextracting transform; convolutional neural networks; 同步提取变换; active distribution network
• ISSN: 1007-9904
• DOI: 10.20097/j.cnki.issn1007-9904.2025.02.007

TM77; 分布式电源接入配电网导致单相接地故障时故障电流的幅值和相位发生改变,而现有时频分析法分辨率低导致故障特性区分度不高,因此基于时频分析法和卷积神经网络(convolutional neural networks,CNN)的故障选线方法准确率仍较低.提出一种基于同步提取变换(synchroextracting transform,SET)和CNN的有源配电网单相接地故障选线方法.首先分析分布式电源影响配电网单相接地故障电流特征的机理,选用不受分布式电源影响的零序电流作为选线依据,并将其处理成同步提取变换时频图.然后分析SET和CNN用于有源配电网故障选线的可行性,阐述所提方法的完整实现流程,设计评价指标,开展验证实验和对比实验.实验结果表明,在高阻故障以及噪声干扰等情况下,所提的SET-CNN选线方法相较于现有方法具有更高的选线准确率,选线准确率能提高3.09%和4.12%.