10.16628/j.cnki.2095-8188.2020.09.018
基于一维卷积神经网络的配电网高阻接地故障识别
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.
配电网、高阻接地故障、一维卷积神经网络(1D-CNN)、故障分类
TM713(输配电工程、电力网及电力系统)
2020-12-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
99-103