基于XGBoost的配电网高阻接地故障检测方法

配电网高阻接地故障具有电气量微弱、与正常运行工况相似等特点,因此难以检测。针对传统指标阈值法常由经验整定,在复杂环境下适应性较差、灵敏性不足等问题,提出一种基于极端梯度提升(extreme gradient boosting, XGBoost)的配电网高阻接地故障检测方法,以避免复杂的阈值整定。首先,通过建立10 kV中压配电系统高阻接地故障的等效模型,获取高阻接地故障和正常运行工况的零序电流数据。然后,在对数据进行归一化处理的基础上,利用XGBoost直接从原始量测信息中学习其与高阻接地故障的映射关系,构建高阻接地故障检测模型,以降低因特征提取产生的误差。最后,大量仿真结果表明,所提方法对高阻接地故障检测具有较好的灵敏性和速动性,并且在噪声和数据缺失等情况下表现出较强的泛化能力。     

基于改进极限学习机的配电网高阻接地故障检测方案

配电网高阻接地故障特征突变微弱，且与负荷接入、电容投切等正常运行工况特征相似，难以被有效检测。基于此，提出一种基于改进极限学习机的高阻接地故障检测方案。首先，详细分析高阻接地故障特征，并基于离散小波分解对零序电压高频分量进行特征提取，结合细节系数构建特征库。在此基础上，利用核主成分分析法改进极限学习机输入层，实现特征库非线性降维，并提出一种改进的高阻接地故障检测方案。最后，通过大量的仿真测试与对比分析，验证所提方案的准确性与有效性。