| 基于深度学习的输电线路故障类型辨识 |
| |
| 引用本文： | 徐舒玮,邱才明,张东霞,贺兴,储磊,杨浩森. 基于深度学习的输电线路故障类型辨识[J]. 中国电机工程学报, 2019, 0(1): 65-74,321 |
| |
| 作者姓名： | 徐舒玮 邱才明 张东霞 贺兴 储磊 杨浩森 |
| |
| 作者单位： | 上海交通大学大数据工程技术与人工智能研究中心;中国电力科学研究院有限公司 |
| |
| 摘 要： | 随着新能源大规模接入和负荷随机行为的出现,输电线路故障特征的构造和选择日趋困难。基于深度学习理论,提出了一种对故障数据进行特征自学习进而实现输电线路故障类型辨识的方法,并通过Ornstein-Uhlenbeck过程更好地模拟了分布式随机性电网的负荷波动。首先,利用PSSE的PythonAPI编写脚本实现故障的自动化批量仿真,以构建深度学习所需的海量数据集。然后,基于TensorFlow平台对预处理后的高维时空故障样本实现基于深度网络的故障类型辨识,并采用深度自动编码器来可视化分析深度学习的分类效果。最后,以含光伏发电模型的PSSE23节点系统为例,对所提方法进行验证。仿真结果表明,文中所述方法可基本达到99.99%的辨识正确率,不受故障线路、故障阻抗、故障位置、电压扰动、频率扰动和负荷波动的影响,且能够应对电网运行过程中的噪声干扰。
|
| 关 键 词： | 故障辨识 深度学习 PSSE ORNSTEIN-UHLENBECK过程 |
A Deep Learning Approach for Fault Type Identification of Transmission Line |
| |
| XU Shuwei,QIU Caiming,ZHANG Dongxia,HE Xing,CHU Lei,YANG Haosen. A Deep Learning Approach for Fault Type Identification of Transmission Line[J]. Proceedings of the CSEE, 2019, 0(1): 65-74,321 |
| |
| Authors: | XU Shuwei QIU Caiming ZHANG Dongxia HE Xing CHU Lei YANG Haosen |
| |
| Affiliation: | (Research Center for Big Data and Artificial Intelligence Engineering and Technologies,Shanghai Jiaotong University, Minhang District,Shanghai 200240,China;China Electric Power Research Institute,Haidian District,Beijing 100192,China) |
| |
| Abstract: | XU Shuwei;QIU Caiming;ZHANG Dongxia;HE Xing;CHU Lei;YANG Haosen(Research Center for Big Data and Artificial Intelligence Engineering and Technologies,Shanghai Jiaotong University, Minhang District,Shanghai 200240,China;China Electric Power Research Institute,Haidian District,Beijing 100192,China) |
| |
| Keywords: | fault recognition deep learning PSSE Ornstein-Uhlenbeck process |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
