kaiyun官方注册
您所在的位置: 首页> 通信与网络> 设计应用> 基于自校验孪生神经网络的故障区段定位方法
基于自校验孪生神经网络的故障区段定位方法
2022年电子技术应用第7期
王 毅1,李 曙1,李松浓2,陈 涛2,侯兴哲2,付秀元3
1.重庆邮电大学 通信与信息工程学院,重庆400065;2.国网重庆市电力公司电力科学研究院,重庆400014; 3.国家电投集团数字科技有限公司,北京100080
摘要:针对中压配电网区段定位方法所存在的由系统中性点接地方式、故障点距离和过渡电阻大小等环境因素,以及电流互感器极性未知或智能电表错误安装等人为因素所导致的定位不准确问题,提出一种平稳小波极性校验下基于孪生神经网络的故障区段定位方法。首先,分析了零序电流暂态特征,指出了传统线性相关法存在的定位缺陷;其次,使用平稳小波变换解决信号同步和设备反接的问题;最后引入孪生神经网络对故障点上下游信号进行相似性匹配,经训练该模型可以准确定位故障区段。通过仿真验证,该方法具有较强的抗干扰能力,对于定位盲区也有较高的识别率。
中图分类号:TM773
文献标识码:A
DOI:10.16157/j.issn.0258-7998.212354
中文引用格式:王毅,李曙,李松浓,等. 基于自校验孪生神经网络的故障区段定位方法[J].电子技术应用,2022,48(7):60-66,73.
英文引用格式:Wang Yi,Li Shu,Li Songnong,et al. Fault segment location method based on self-checking siamese convolutional neural network[J]. Application of Electronic Technique,2022,48(7):60-66,73.
Fault segment location method based on self-checking siamese convolutional neural network
Wang Yi1,Li Shu1,Li Songnong2,Chen Tao2,Hou Xingzhe2,Fu Xiuyuan3
1.Communication and Information Engineering College,Chongqing University of Posts and Telecommunications, Chongqing 400065,China; 2.Chongqing Electric Power Research Institute,Chongqing 400014,China; 3.State Power Investment Group Digital Technology Co.,Ltd.,Beijing 100080,China
Abstract:For medium voltage distribution network segment positioning method, aiming at the inaccurate positioning problem caused by environmental factors such as the system neutral point grounding way, the size of the distance and the transition resistance, as well as human factors such as current transformer polarity unknown or incorrect erection smart meters and so on, this paper puts forward a kind of stationary wavelet polarity check the fault section locating method based on siamese convolutional neural network(S-CNN). Firstly, the transient characteristics of zero-sequence current are analyzed, and the localization defects of traditional linear correlation method are pointed out. Secondly, the stationary wavelet transform(SWT) is used to solve the problems of signal synchronization and equipment reverse connection. Finally, S-CNN is introduced to perform similarity matching for upstream and downstream signals of the fault point, and the model can be trained to locate the fault segment accurately. The simulation results show that this method has strong anti-interference ability and high recognition rate for blind area.
Key words :ground fault;fault location;similarity analysis;stationary wavelet transform;siamese convolutional neural network

0 引言

我国中压配电网主要采用中性点非有效接地方式。单相接地故障作为小电流接地系统中发生频率最高的故障,一旦发生,由于其电气物理特征并不明显,并且故障电弧的燃弧不稳定;与此同时,配电网的运行方式灵活多变,不同线路结构差异较大,使得故障情况较为复杂,为小电流接地系统的故障检测带来了极大困难。

单相接地故障检测主要由故障识别、选线、定位和测距四部分构成。其中快速准确地实现故障定位能保证故障能及时处理,提高电力系统的供电可靠性。经过近几年国内外的研究,故障选线技术已经日益成熟,并且已经在实际应用中取得了不少成果,为后续确定故障区段或故障点距离打下了良好基础。而故障定位中诸如信号注入法[1]、中值电阻法、阻抗法[2]、行波法[3-4]等技术受配电网分支多、结构复杂、现实路径阻抗和系统运行方式等原因影响较大,并且运行与维护成本较高,对某一故障点进行距离演算的技术其实用性都有待考量。

故障区段定位可以进一步缩小故障查找范围,是实现故障测距与精确定位的前提,这类方法依附于目前先进的通信技术,各馈线终端先实现故障信息上传,主站再结合配电网结构与特征信息构建故障判别矩阵,并通过检测算法确定最终区段[5],有良好的工程实用价值。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004588




作者信息:

王 毅1,李 曙1,李松浓2,陈 涛2,侯兴哲2,付秀元3

(1.重庆邮电大学 通信与信息工程学院,重庆400065;2.国网重庆市电力公司电力科学研究院,重庆400014;

3.国家电投集团数字科技有限公司,北京100080)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。
Baidu
map