基于改进堆叠降噪自编码器的配电网高阻接地故障检测方法

针对配电网高阻故障判定阈值选取难、噪声影响大和识别精度低等问题,提出了一种基于改进堆叠降噪自编码器的高阻接地故障检测方法,从特征提取及网络模型两个层面增强检测方法的可靠性与抗噪性能.首先,结合时频数据处理手段刻画高阻接地故障与正常工况的物理特性差异,为构建故障样本特征库提供理论依据;其次,通过皮尔逊相关系数对时域、频域和时频域的故障特征进行分析与筛选,从而构造多域特征融合样本库,避免特征冗余现象;然后,利用极限学习机的强高维特征分类特性对堆叠降噪自编码器模型进行改进,以提高高阻接地故障分类器的鲁棒性和准确性;最后,在Matlab/Simulink中搭建10 kV配电网仿真模型进行算例分析.结果...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电力系统保护与控制 Jg. 52; H. 24; S. 149 - 160
Hauptverfasser: 罗国敏, 杨雪凤, 尚博阳, 罗思敏, 和敬涵, 王小君
Format: Journal Article
Sprache:Chinesisch
Veröffentlicht: 北京交通大学电气工程学院,北京 100044 16.12.2024
Schlagworte:
极限学习机
extreme learning machine
high impedance fault
distribution network
stacked denoised autoencoder
配电网
多域特征融合
高阻接地故障
multi-domain feature fusion
堆叠降噪自编码器
ISSN:1674-3415
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:针对配电网高阻故障判定阈值选取难、噪声影响大和识别精度低等问题,提出了一种基于改进堆叠降噪自编码器的高阻接地故障检测方法,从特征提取及网络模型两个层面增强检测方法的可靠性与抗噪性能.首先,结合时频数据处理手段刻画高阻接地故障与正常工况的物理特性差异,为构建故障样本特征库提供理论依据;其次,通过皮尔逊相关系数对时域、频域和时频域的故障特征进行分析与筛选,从而构造多域特征融合样本库,避免特征冗余现象;然后,利用极限学习机的强高维特征分类特性对堆叠降噪自编码器模型进行改进,以提高高阻接地故障分类器的鲁棒性和准确性;最后,在Matlab/Simulink中搭建10 kV配电网仿真模型进行算例分析.结果表明,该方法在-1 dB强噪声条件下仍有95.57%的高阻故障检测准确率,具有较高的工程实用价值.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.240534