基于深度学习的输电线路故障类型辨识

• 作者: 储磊 张东霞 徐舒玮 杨浩森 贺兴 邱才明
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 故障辨识 深度学习 PSS\E Ornstein-Uhlenbeck过程
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 新一代人工智能在智能电网和能源互联网中的应用
• 页码范围: 65-74
• 页数: 10页
• 分类号: TM726
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.181024

摘要

随着新能源大规模接入和负荷随机行为的出现,输电线路故障特征的构造和选择日趋困难.基于深度学习理论,提出了一种对故障数据进行特征自学习进而实现输电线路故障类型辨识的方法,并通过Ornstein-Uhlenbeck过程更好地模拟了分布式随机性电网的负荷波动.首先,利用PSS\E的Python API编写脚本实现故障的自动化批量仿真,以构建深度学习所需的海量数据集.然后,基于TensorFlow平台对预处理后的高维时空故障样本实现基于深度网络的故障类型辨识,并采用深度自动编码器来可视化分析深度学习的分类效果.最后,以含光伏发电模型的PSS\E 23节点系统为例,对所提方法进行验证.仿真结果表明,文中所述方法可基本达到99.99％的辨识正确率,不受故障线路、故障阻抗、故障位置、电压扰动、频率扰动和负荷波动的影响,且能够应对电网运行过程中的噪声干扰.