基于Seq2Seq技术的输电线路故障类型识别方法

被引：17

作者：

饶超平 ^{[1
]}

肖博文 ^{[2
]}

严星 ^{[2
]}

廖方帆 ^{[2
]}

王琦婷 ^{[3
]}

机构：

[1] 武汉晴川学院

[2] 国网荆门供电公司

[3] 三峡大学电气与新能源学院

来源：

智慧电力 | 2020年 / 48卷 / 05期

关键词：

人工智能技术; 故障类型识别; Seq2Seq技术; 时序型特征; 深度学习;

D O I：

暂无

中图分类号：

TM75 [线路及杆塔]; TP18 [人工智能理论];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

基于Seq2Seq技术构建了用于输电线路故障类型识别的深度学习模型,通过设置仿真算例验证了所提方法的有效性。首先,利用MATLAB/Simulink生成输电线路故障数据集;然后,基于Seq2Seq技术构建适用于故障数据时序型特征的深度学习模型;最后,以IEEE118节点系统为例对所提方法进行验证。仿真结果表明:所提方法能够适应输电线路故障的时序型特点,故障类型辨识准确率为100%。与其他故障类型识别方法相比,所提方法仅基于海量数据,不考虑电力系统具体结构,具有显著的优越性。

引用

页码：99 / 105+110 +110

页数：8

共 14 条

[1]

基于云边架构和小波神经网络的配电网故障诊断方法 [J].