基于卷积神经网络的输电线路区内外故障判断及故障选相方法研究

被引：153

作者：

魏东 ^{[1
]}

龚庆武 ^{[1
]}

来文青 ^{[2
]}

王波 ^{[1
]}

刘栋 ^{[1
]}

乔卉 ^{[1
]}

林刚 ^{[1
]}

机构：

[1] 武汉大学电气工程学院

[2] 国网内蒙古东部电力有限公司

来源：

中国电机工程学报 | 2016年 / 36(S1)卷 / S1期

关键词：

深度学习; 卷积神经网络; 区内外故障判断; 故障选相; 权值共享; 错误率;

D O I：

暂无

中图分类号：

TM75 [线路及杆塔]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

在分析深度学习模型之一——卷积神经网络(convolutional neural network,CNN)的结构及原理的基础上,提出基于卷积神经网络的输电线路区内外故障判断及故障选相新方法。提出了采用两个softmax分类器的CNN网络结构,用同一CNN网络同时解决了区内外故障判断和故障选相两类非独立分类问题,实现了两种非独立分类问题的权值共享。数字仿真实验和实际现场故障数据测试结果表明:文中构建的数学模型,能同时实现区内外故障判断和故障选相,对采样率要求低,不需要整定任何参数,不受系统频率、故障位置、负荷电流、过渡电阻等因素的影响,结果准确可靠。

引用

页码：21 / 28

页数：8

共 17 条

[1]

基于零序电压故障分量相位特征的发电机定子单相接地故障选相 [J].