基于智能算法的配网单相接地故障辨识

单相接地故障是配电网中最常见的故障,由于故障电流可能很小,其精确诊断存在较大难度。分析了可能对单相接地故障辨识产生影响的其他短路故障与扰动情况,提出了一种基于改进支持向量机(SVM)与卷积神经网络(CNN)的配网单相接地故障辨识方法。利用粒子群算法对支持向量机的参数进行改进,识别出低阻接地故障与扰动;针对时域中不易区别的永久性与间歇性单相接地故障,通过希尔伯特-黄变换提取频域信息,利用卷积神经网络根据提取出的高维特征向量辨识其具体类型。在MATLAB/Simulink中搭建了一个辐射状10 kV配电网模型进行仿真,仿真结果验证了算法的有效性和优越性。