基于广义深度学习的含DG配网故障诊断方法

被引：20

作者：

孔祥轩 ^{[1
]}

郑楚韬 ^{[1
]}

仇志成 ^{[1
]}

王伟冠 ^{[1
]}

黄焯麟 ^{[1
]}

何其淼 ^{[1
]}

王波 ^{[2
]}

机构：

[1] 广东电网有限责任公司佛山供电局

[2] 武汉大学电气与自动化学院

来源：

电网与清洁能源 | 2020年 / 36卷 / 11期

关键词：

分布式电源; 配电网; 故障定位; 广义回归神经网络;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM73 [电力系统的调度、管理、通信];

学科分类号：

120103 [信息系统与信息管理]; 140502 [人工智能];

摘要：

针对传统故障定位方法难以满足含分布式电源配电网的问题,提出一种基于广义深度学习的故障定位方法。利用广义深度学习在逼近能力和容错性方面的优势,挖掘响应数据与故障位置之间的映射关系,建立含分布式电源配电网故障定位的模型。IEEE34节点仿真结果表明,该方法可有效实现含分布式电源配电网的故障定位,准确率高,速度快,且在信息畸变或缺失时容错性好。

引用

页码：53 / 57

页数：5

共 11 条

[1]

基于智能算法的配电网故障区间定位 [D].