VMD-PE协同SNN的输电线路故障辨识方法

被引：16

作者：

付华

金岑

机构：

[1] 辽宁工程技术大学电气与控制工程学院

来源：

电子测量与仪器学报 | 2020年 / 34卷 / 06期

关键词：

输电线路; 故障辨识; 变分模态分解(VMD); 孪生神经网络(SNN); 排列熵(PE);

D O I：

10.13382/j.jemi.B1902870

中图分类号：

TM75 [线路及杆塔];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对输电线路短路故障危害大、故障辨识率较低等问题,提出一种结合变分模态分解排列熵(VMD-PE)与孪生神经网络(SNN)的故障辨识方法,利用瞬时频率均值对VMD进行参数优化,确定分解层数K,通过VMD分解故障时的三相电压,计算分解后每个分量的排列熵,将其作为故障特征量;将故障特征输入到训练好的SNN中进行相似性度量,比较两个输入样本之间的相似程度,判别出输电线路短路故障类型。通过仿真实验验证了该方法的可行性,并与其他分类方法相对比,证明了该方法的准确性和优越性。

引用

页码：86 / 92

页数：7

共 18 条

[1]

Optimal approximation of piecewise smooth functions using deep ReLU neural networks.[J].Philipp Petersen;Felix Voigtlaender.Neural Networks.2018,

[2]

High Impedance Fault Localization Using Discrete Wavelet Transform for Single Line to Ground Fault [J].