基于一维卷积神经网络的配电网高阻接地故障识别

• 作者: 刘炳南 方国标 黄沂平
• 来源期刊: 电器与能效管理技术
• 学科: 工学
• 关键词: 配电网 高阻接地故障 一维卷积神经网络(1D-CNN) 故障分类
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 配网技术与系统
• 页码范围: 99-103
• 页数: 5页
• 分类号: TM713
• 语种: 中文
• DOI: 10.16628/j.cnki.2095-8188.2020.09.018

摘要

配电网直接与用户连接,其稳定性与整个电力系统对用户侧输送电能的能力息息相关.配电网运行环境复杂、覆盖广泛,若运行线路掉落接触到树木、草地时易发生高阻接地故障.此时,故障点阻抗达到几百欧甚至几千欧,电压、电流幅值变化微弱,故障难以被检测到.如果故障无法及时排除,故障点间歇性电弧将造成不可估量的破坏.利用希尔伯特-黄变换(HHT)带通滤波进行特征量提取,构造时频能量矩阵,采用一维卷积神经网络(1D-CNN)构造分类器进行故障分类.通过仿真模型进行验证和适应性分析,结果表明算法准确率高且适应性良好.