基于数据挖掘的变电站故障分类与检测

• 作者: 弋强 张力 王世杰 胡威 高鑫
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 配电系统 故障分类 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究与探讨
• 页码范围: 66-72
• 页数: 7页
• 分类号: TP399
• 字数: 3066字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.02.014

摘要

故障分类对故障原因分析和快速恢复变电站正常运行具有重要意义,为此文中提出了一种基于数据挖掘的变电站配电系统接地故障的分类方法.在变电站配电系统发生故障时,首先对故障电流和电压信号进行采样.其次将希尔伯特-黄变换(HHT)带通滤波器应用于故障信号采样,建立了故障信号的时频能量矩阵.最后将时频能量矩阵作为数字图像的像素矩阵,采用基于卷积神经网络(CNN)的图像相似性识别方法进行故障分类.实验结果表明,该方法在变电站配电系统故障分类中具有较高的准确性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高鑫	国家电网公司西北分部	6	66	3.0	6.0
2	王世杰	国家电网公司西北分部	4	13	2.0	3.0
3	张力	国家电网公司西北分部	4	18	2.0	4.0