基于迁移学习深度卷积神经网络的 配电网故障区域定位

• 作者: 孟子超 杜文娟 王海风
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 深度学习 迁移学习 卷积神经网络 配电网 故障区域定位
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 电力系统分析
• 页码范围: 25-33
• 页数: 9页
• 分类号: TM743
• 字数: 6013字
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2019.07.004

摘要

数据驱动方式作为解决配电网故障定位的新方法,由于配电网故障样本数量相对较少而受到限制.为此提出了一种基于迁移学习的深度卷积神经网络(CNN)故障区域定位方法,以解决深度学习中小样本下学习效果差的问题.首先,分析了迁移学习和CNN的特点,论述了二者应用于配电网故障区域定位问题的可行性与优势.然后,利用ResNet50网络搭建了基于迁移学习的CNN模型.IEEE 33节点配电网模型验证表明,所提方法仅利用两个测点的电压电流信息,在小样本情况下能迅速完成对故障区域的准确定位,且不易受过渡电阻、 故障类型、 噪声等因素影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜文娟	华北电力大学电气与电子工程学院	39	39	3.0	6.0
2	王海风	华北电力大学电气与电子工程学院	42	113	6.0	10.0
3	孟子超	华北电力大学电气与电子工程学院	1	3	1.0	1.0