摘要: 随着人工智能技术的不断发展，海量电力数据的价值急需被挖掘。针对谐振接地系统单相接地故障选线实测训练数据不足故障选线效果不佳的难题，提出了一种基于迁移深度可分离卷积神经网络的故障选线方法。首先通过两次像素级图像融合将同一工况下各馈线三相电流转变为二维彩色图像，其作为深度可分离卷积神经网络的输入；其次，通过源域数据对选线网络进行模型预训练；最后，采用迁移学习策略，冻结预训练网络底层结构，用目标域小样本数据进行网络微调。测试结果表明，所提方法不仅能够实现故障特征自提取，而且在不同配电网结构下小样本故障数据仍能够实现准确选线，有助于解决小样本数据故障选线难题。