基于TensorFlow框架的有源配电网深度学习故障定位方法

• 作者: 刘成民 戴中坚 陈轩
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: Tensorflow 分布式电源 配电网 深度学习 故障定位
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能在电力系统中的技术研究与应用专题
• 页码范围: 8-15
• 页数: 8页
• 分类号: TM711
• 字数: 5636字
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2019.05.002

摘要

随着大规模分布式电源(DG)接入配电网,配电网的结构由传统的辐射型变为多端电源结构,传统的故障定位方法不再完全满足含DG的配电网系统,对此提出一种基于深度学习的有源配电网故障定位方法.首先通过馈线监控终端采集过电流故障数据与节点电压数据,结合各电源出力数据,形成故障数据向量;然后使用Tensorflow构建基于全连接网络的深度神经网络模型,挖掘故障数据向量与故障支路之间的映射联系,形成故障定位模型;最后利用该模型在线定位故障并验证其有效性.模型测试结果表示,与反向传播神经网络、学习向量量化神经网络模型相比,深度学习模型收敛速度更快,故障定位准确率更高,同时在数据畸变或缺失时,模型具有较高的容错性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴中坚	东南大学电气工程学院	3	3	1.0	1.0
2	刘成民		2	2	1.0	1.0
3	陈轩		19	10	2.0	2.0