适于深层次CNN的配电网过电压数据集建立方法

随着人工智能算法的快速发展，在配网过电压识别中层数较少的卷积神经网络已得到应用。深层次网络有较高的识别率，但需要大量数据样本，目前已有数据集数据量不足，不能满足深层级网络训练所需。为此提出了一种满足深层次网络训练所需的配电网过电压数据集建立方法。首先利用电磁暂态仿真软件EMTPworks仿真10 kV配网5种典型的过电压并且编辑相应的JavaScript脚本，通过改变故障初相角、过渡电阻、线路长度等参数产生16 272个数据。然后将三相过电压一维信号进行连续小波变换，得到相应二维时频图，并根据原始信号的特征自动标记二维时频图，从而建立了完整的配电网过电压数据集。最后利用卷积神经网络（CNN）对5类过电压信号数据的有效性进行验证。结果表明，构造的数据集数据规模大，有效性高，能够满足深层次网络需要。

Method for Establishing Distribution Network Overvoltage Data Set for Deep CNN