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。