论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 刘成民,戴中坚,陈轩
关键词: 分布式电源,配电网,深度学习,故障定位
来源: 电力工程技术 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 国网江苏省电力有限公司检修分公司,东南大学电气工程学院
基金: 国家电网有限公司总部科技项目(SGTYHT,17-JS-199)
分类号: TP18;TM73
页码: 8-15
总页数: 8
文件大小: 1888K
下载量: 218