基于CBAM-ResNet和多域特征融合的配电网故障选线方法

传统配电网故障选线模型大多采用零序电流时频特征作为选线判据，单一信息域特征无法全面反映故障信息差异、适用范围存在局限性。为了提高模型复杂工况下选线准确率，提出一种基于卷积注意力机制优化双分支残差网络(CBAM-ResNet)和多域特征融合的配电网故障选线方法。首先，利用变分模态分解-希尔伯特变换和格拉姆角场将采集的零序电流信号分别映射为二维时频域和空间域图像，构建能够全面的反映故障信息的多域图像训练集；其次，通过CBAM-ResNet网络深层次挖掘并融合多域特征信息，卷积注意力机制能对多域特征的重要性进行区分，加快网络训练速度，提高分类准确性；最后，将融合特征输入全连接层实现对配电网故障线路的选取。仿真结果表明，该方法相比传统选线方法具有更高的选线精度和噪声鲁棒性。     

基于GAF与卷积神经网络的配电网故障选线新方法

消弧线圈接地配电网的暂态零序电流特征和选线结果呈现复杂的非线性关系，传统选线方法不适用于弱故障特征提取。为提高配电网的故障选线准确性，提出了一种基于格拉米角场GAF(Gramian angular field)与卷积神经网络CNN(convolutional neural network)的故障选线新方法。首先对不同工况下的零序电流进行GAF变换，利用变换后的GASF(Gramian angular summation field)和GADF(Gramian angular difference field)特征图样本集训练CNN，用于判定待测馈线是否故障。为提高选线方法的普适性，除了10 kV辐射状配电网样本库，另外建立了包含3种完全不同拓扑模型样本的混合库。最后，所提方法在辐射状模型库和混合库都得到了验证，判定结果证实了该方法的有效性和准确性。     

基于改进PSO-BP网络的配电网故障选线与测距

利用子群优化神经网络(PSO-BP)提出更适合配电网故障选线与测距算法,使配电网线路得到更好的优化。针对配电网单相接地故障特征,开展系统单相接地故障稳态分析,系统单相接地故障暂态分析,以及系统单相接地故障谐波分析,得到影响选线及测距的因素,进一步提出PSO-BP网络改进算法,通过分析BP算法的结构模型以及粒子群优化算法,结合2种算法,得出改进PSO优化BP的算法流程,明确基于改进PSO-BP网络的配电网故障选与测距的操作方法,从而更好的为配电网故障的定位选线是以测距提供准确、可靠的数据。     

基于GA-BP改进算法的配电网接地故障选线方法

针对采用单一故障信息的配电网接地故障选线方法存在的缺陷,提出一种基于遗传算法(GA)改进BP神经网络的融合选线算法。该算法分别采用5次谐波法、有功分量法和暂态能量法从零序电流信号中提取5次谐波分量、有功分量、暂态能量作为故障特征,并定义其故障程度,然后将这些故障程度作为模型的输入,利用故障稳态与暂态信息对接地故障不同的判别能力,并通过GA优化BP神经网络的权值和阈值,避免神经网络陷入局部极值,使得选线模型达到较高的精度。仿真结果表明,在采用真实录波数据作为样本的情况下,所提改进算法比BP神经网络算法的选线精度更高,满足配电网单相接地故障选线精度要求。     

基于暂态零序电流图像识别的配电网单相接地故障区域定位

为了提高配电网单相接地故障的定位准确率,提出一种基于暂态零序电流图像识别的配电网单相接地故障区域定位方法。通过PSCAD实现故障仿真,构建卷积神经网络(CNN)学习所需图像集。根据单相接地故障的两值性和分化性特征,基于Python编程进行图像预处理,采用VGGNet11网络结构对预处理后的字节形式故障样本进行训练,得到故障区域定位模型,并可视化分析模型分类效果。典型10 kV配电网模型数字仿真及现场试验均表明,所提方法能够准确实现故障区域定位,不受系统接地方式、故障电阻和初始相角的影响。可采用暂态录波型故障指示器采集线路暂态零序电流,信号获取方便。     

基于S变换相关度和深度学习的配电网单相接地故障选线新方法

针对配电网发生单相接地故障时特征信息不明显,且现有选线方法易受故障条件和环境噪声影响的问题,基于S变换相关度和深度学习,提出一种具有强抗噪声能力和高泛化水平的配电网单相接地故障选线新方法.首先,利用S变换获取零序电流时频信息,基于各线路零序电流的全频段信息计算线路故障信息相关度;其次,为提高故障特征的可辨识度和抗干扰性,提出一种S变换相关度图形(SCF)构建方法;在此基础上,建立含SCF层的卷积神经网络深度学习模型(S-CNN),并利用Simulink仿真模型生成的故障数据对其结构参数和超参数进行分步训练;最后,通过S-CNN提取配电网故障零序电流深层特征,实现故障选线,并测试了S-CNN在配电网不同运行状况和故障条件下的选线效果.仿真结果和实际配电网故障数据测试表明:在强噪声干扰场景中,基于S-CNN的故障选线模型在不同故障位置、故障相角、过渡电阻条件下可实现高正确率选线,且在各线路零序电流采样不同步条件下仍具有较强的鲁棒性.     

一种基于图像的配电网单相接地故障选线方法

文中针对中性点经消弧线圈接地引起故障电流微弱,故障特征不明显,导致谐振接地系统发生单相接地故障时选线速度慢、选线困难等问题,提出了一种基于图像的配电网单相接地故障选线方法。该方法获取各馈线故障零序电流,通过连续小波变换(CWT)得到CWT系数矩阵,将系数矩阵生成RGB图像;然后,通过感知哈希算法计算正常馈线与故障馈线生成RGB图像之间的汉明距离,以汉明距离判断各RGB图像之间的差异,进而确定故障馈线;最后,对比了基于皮尔逊相关系数选线方法和基于EMD分解零序电流高频分量选线方法,结果表明所提方法应用于谐振接地系统中选线速度快,且不受故障电阻、故障位置、故障初始相角等因素的影响。     

基于暂态零序电流相对极性的多回路单相接地故障选线方法

在配电网中广泛采用单塔(杆)多回接线方式,有助于节约土地资源,与此同时,由单回线故障发展为多回线故障的事件日益增多,不仅降低了用户的供电可靠性,还给供电企业带来了巨大的负面影响。为了提高多回路单相接地故障选线的准确性,对小电流接地系统多回路线路接地故障进行深入分析,提出了一种基于暂态零序电流相对极性的多回路单相接地故障选线方法;对金属性单相接地故障和非金属性单相接地故障分别进行仿真计算;采用基于暂态零序电流相对极性的选线方法对仿真计算结果以及海南某变电站实际故障数据进行计算,均得到正确结果,解决了多回路故障选线的问题。     

基于D-PMU的配电网故障选线和定位方法

配电网发生单相接地故障时,故障信号微弱且易受噪声干扰,准确选线和故障定位困难。为此,提出一种基于配电网同步相量测量装置(D-PMU)的故障选线和定位新方法。研制了D-PMU功能扩展模块——行波故障采集模块;搭建了配电网故障选线和定位系统;依据全网波头时差构建故障前、后时间特征矩阵,并引入最小二乘法模型以消除行波波头到达时刻标定误差。通过分析得出故障前、后时间特征矩阵中元素的变化规律,实现配电网故障选线和精确定位。仿真分析及现场试验结果表明,D-PMU现场运行稳定,所提方法不受线路参数和网络拓扑结构的影响且实用性强。     

基于大数据平台的配电网接地选线关键技术研究

我国配电网多采用小电流接地系统,发生单相接地短路的概率高,如何进行准确的接地选线是一项重要课题。考虑大数据机器学习方法,基于大数据平台对配电网接地选线关键技术进行研究,首次提出了综合考虑电气量与非电气量的故障选线算法;搭建了基于Hadoop技术的配电网接地选线大数据平台,应用接地故障选线的人工神经网络算法,实现了数据的分布式存储与分布式处理等相关技术,大大提高配电网选线的准确性;最后使用故障数据进行验证,证实了该方法的可行性。     

分布式智能协同和云计算相结合的配电网故障选线新方法

针对谐振接地系统发生单相接地故障时选线方法可靠性不高、计算量大、算法实现复杂的问题,提出了一种基于云计算的配电网分布式智能故障选线方法。首先,通过构建配电网智能故障诊断云模型,将大量数据处理与复杂选线算法实现推至"云端";其次,在分布式智能选线系统内,利用零序电压突变量和相电压的15%作为智能单元的启动,以提高智能单元启动的可靠性、选线的速动性;然后,详细讨论了包含故障电流主要特征的特征频带,并对区域智能单元内采集的暂态零序电流做小波变换选择特征频带;再次,通过分布式智能单元之间的协同分析,将特征频带上信号的幅值和相位信息结合起来进行故障选线;最后,通过算例验证。结果表明,所提方法不受复杂故障条件的影响、通信压力小、选线准确度高,为谐振接地系统单相接地故障实现快速选线提供参考。     

基于相电流离散度分析的配电网接地故障选线方法

针对配电网在发生单相接地故障时电力调度员缺乏研判信息和故障处理效率不高的现状,提出了基于相电流离散度分析的故障选线方法.对故障前后线路的相电流特征进行理论分析,采用改进的离散度计算方法,并考虑实际操作过程中的容错性和统一性,将不同中性点接地方式的选线流程进行融合,利用最大离散度差值法实现故障选线.使用SCADA系统中的故障实例数据验证和ATP-EMTP故障模型仿真,结果表明:该方法能够有效提升故障选线效率,提高配电网供电可靠性指标,具有实际的工程应用价值.     

基于广域零序电流分布特征的非调度端配电网单相接地选线方法

针对小电流接地系统接地选线装置成本高、停电范围广、准确性低等问题,提出一种基于广域零序电流分布特征的非调度端配电网单相接地选线方法。该方法针对配电网单相接地故障,分析变电站母线三相电压的特征及线路零序电流的分布情况,引入接地判别算子及均值突变比较算子,依据选线策略进行概率排序进而分析出故障线路。最后,通过两个实际案例及运行数据统计分析论证：本文提出的单相接地选线方法可以精准识别故障线路及支线、快速定位故障范围,具有较高的准确性及鲁棒性。     

基于不平衡过电压动态抑制的谐振接地配电网单相接地故障保护新方法

现有配电网单相接地故障保护技术在高阻接地故障时无法可靠启动,选相与选线结果易受三相不对称的影响。针对这一问题,提出了基于不平衡过电压动态抑制的谐振接地配电网单相接地故障保护新方法。在三相不平衡过电压动态抑制的基础上,分析了故障前后注入电流与馈线零序电流特征。根据故障发生后注入电流变化量特点构建了接地故障动态感知判据,利用注入电流变化量的相角与幅值分别进行故障相识别与过渡电阻计算,通过比较各馈线零序电流变化量有效值进行故障选线。通过PSCAD/EMTDC仿真软件对所提方法进行验证,结果表明所提方法能够准确识别高阻接地故障,选相与选线结果不受三相不平衡与系统对地电容大小影响。     

基于最大模极大值的配电网故障选线的研究

单相接地故障在配电网中发生的比较频繁,针对配电网单相接地故障选线的研究现状,应用小波变换中信号奇异性检测的理论对故障后的暂态电流进行分析,提出基于最大模极大值比值的单相接地故障选线的方法。该方法能适应配电网中的不同故障模式。选线准确性高。仿真验证了该方法的可行性。     

基于多源信息融合的配电网故障选线新方法

配电网小电流接地系统单相接地故障频发且故障信号特征微弱,导致现有的故障选线方法效果欠佳。利用S变换强大时频分析能力对单相接地故障的零序电流暂态特性进行分析,根据能量最大值原则确定特征频带,提取各条线路特征频带下的零序有功能量特征、S变换暂态能量特征和S变换综合相角特征等故障特征量作为输入量,结合最小二乘法支持向量机分类算法的数据融合特性,建立配电网故障选线保护新方案。仿真结果证明了所提方法的有效性。     

基于最大模极大值的配电网接地故障选线新思路

单相接地故障在配电网中发生的比较频繁,针对配电网单相接地故障选线的研究现状,应用小波变换中信号奇异性检测的理论对故障后的暂态电流进行分析,提出基于最大模极大值比值的单相接地故障选线的思想。该方法能适应配电网中的不同故障模式,选线准确性高。仿真验证了该思想的可行性。     

配电网小电流单相接地故障选线方法研究

<正>在配电网小电流单相接地故障选线管理过程中，技术人员需要参照单相接地故障理论完成精细化分析，并且结合相关分析法、选线法以及小波故障选线法，完成科学有效的管理控制，结合各类波形函数以及相关矩阵分析法，提高选线管理品质。对配电网小电流单相接地故障选线的方法进行分析探讨。     

基于光伏自适应注入量的配电网单相接地故障保护方法

随着配电网中分布式光伏发电渗透率不断升高,配电网单相接地故障对设备和人身安全以及电网稳定的影响日趋严峻。但是,由于光伏短路电流受限、故障行为受控、输出特性耦合造成配电网故障过程具有多态性,可能使得中性点小电流接地配电网单相故障选线准确度进一步降低。文中提出了基于光伏自适应注入附加特征信号的配电网单相接地故障保护方法。兼顾光伏低电压穿越要求、故障识别需求和设备安全,提出了光伏自适应特征频率电流注入策略,解析了配电网中特征频率电流的分布,分析了馈线的特征频率电流的幅值特征和相位特征,提出了基于特征频率电流特征的配电网单相接地故障选线保护方法。算例表明,所提出的方法能够准确实现不同故障位置,以及不同过渡电阻下含光伏配电网单相接地故障的故障选线。     

基于迁移学习深度卷积神经网络的配电网故障区域定位

数据驱动方式作为解决配电网故障定位的新方法,由于配电网故障样本数量相对较少而受到限制。为此提出了一种基于迁移学习的深度卷积神经网络(CNN)故障区域定位方法,以解决深度学习中小样本下学习效果差的问题。首先,分析了迁移学习和CNN的特点,论述了二者应用于配电网故障区域定位问题的可行性与优势。然后,利用ResNet50网络搭建了基于迁移学习的CNN模型。IEEE 33节点配电网模型验证表明,所提方法仅利用两个测点的电压电流信息,在小样本情况下能迅速完成对故障区域的准确定位,且不易受过渡电阻、故障类型、噪声等因素影响。