基于LSTM模型的配电网单相接地故障辨识方法

• 作者: 丛子涵 刘亚东 张骏 戴长春 王同文 谢民 邵庆祝 郭霖徽
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 配电网 接地故障 深度学习 辨识方法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 智能优化算法及机器人技术
• 页码范围: 100-106
• 页数: 7页
• 分类号: TM74
• 字数: 5024字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2019.009.013

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孤辨识方法,将故障分为含电弧类和不合电弧类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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘亚东	上海交通大学电子信息与电气工程学院	103	1106	19.0	30.0
2	邵庆祝		12	28	3.0	5.0
3	谢民		25	83	4.0	8.0
4	王同文		16	37	3.0	5.0
5	戴长春		4	6	2.0	2.0
6	张骏		3	2	1.0	1.0
7	丛子涵	上海交通大学电子信息与电气工程学院	2	2	1.0	1.0
8	郭霖徽	上海交通大学电子信息与电气工程学院	2	6	2.0	2.0