A Traveling Wave Time-Frequency Spectrogram and Improved CNN Based Method for Ground Fault Location in Substation DC Systems

HAI Zhichen; LIU Yongjun; SHAO Kexin; WANG Hongyang; LI Baopeng

doi:10.20204/j.sp.2025.07013

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

A Traveling Wave Time-Frequency Spectrogram and Improved CNN Based Method for Ground Fault Location in Substation DC Systems

PROTECTION AND RESILIENCE ENHANCEMENT FOR NEW-TYPE POWER SYSTEMS | 更新时间：2025-10-24

- A Traveling Wave Time-Frequency Spectrogram and Improved CNN Based Method for Ground Fault Location in Substation DC Systems
- Vol. 53, Issue 7, Pages: 100-107(2025)
- 作者机构：
  
  1. 国网河南省电力公司邓州市供电公司，河南邓州,474150
  2. 兰州交通大学自动化与电气工程学院,甘肃,兰州,730070
- 作者简介：
- 基金信息：
- DOI：10.20204/j.sp.2025.07013
  CLC：
- Published Online：20 July 2025，
  
  Published：20 July 2025
- 稿件说明：
移动端阅览
海之晨,刘永军,邵可欣,王弘扬,李宝鹏.基于行波时频谱图和改进CNN的变电站直流系统接地故障定位方法[J].智慧电力,2025,53(7):100-107.

HAI Zhichen, LIU Yongjun, SHAO Kexin, et al. A Traveling Wave Time-Frequency Spectrogram and Improved CNN Based Method for Ground Fault Location in Substation DC Systems[J]. 2025, 53(7): 100-107.
海之晨,刘永军,邵可欣,王弘扬,李宝鹏.基于行波时频谱图和改进CNN的变电站直流系统接地故障定位方法[J].智慧电力,2025,53(7):100-107. DOI： 10.20204/j.sp.2025.07013.

HAI Zhichen, LIU Yongjun, SHAO Kexin, et al. A Traveling Wave Time-Frequency Spectrogram and Improved CNN Based Method for Ground Fault Location in Substation DC Systems[J]. 2025, 53(7): 100-107. DOI： 10.20204/j.sp.2025.07013.

摘要

提出了一种基于行波时频谱图和改进卷积神经网络的变电站直流系统接地故障定位新方法。首先，对故障行波信号进行分帧、加窗处理，并通过短时傅里叶变换提取信号的时频谱图。随后，将故障行波信号的时频谱图作为样本输入，构建基于卷积神经网络的故障定位模型，进一步采用麻雀搜索算法优化模型参数，以提升定位精度。最后，通过算例分析评估所提方法的性能。结果表明，与传统故障定位方法相比，该方法收敛性更优、准确率更高。

Abstract

This paper proposes a novel method for ground fault location in substation DC systems using traveling wave time-frequency spectrograms and an improved convolutional neural network （CNN）. First， fault-induced traveling wave signals undergo frame blocking and windowing processing， with time-frequency spectrograms extracted via short-time Fourier transform . These spectrograms are then input as samples to construct a CNN-based fault location model. The sparrow search algorithm is further employed to optimize model parameters， enhancing localization accuracy. Finally， case studies are conducted to evaluate the performance of the proposed method. The results demonstrate superior convergence and higher accuracy compared to conventional fault location methods.

关键词

Keywords

references

温才权，韦鑫，王杰，等.基于CEEMD-PSD算法的变电站控制电缆故障定位方法[J].电网与清洁能源，2023，39（7）：80-89.

方逸航，殷芸辉，王承民，等.考虑能控能观性的配电二次设备优化配置模型与评估方法[J].智慧电力，2023，51（4）：62-6，106.

张晓华，蔡巍，武宇平，等.基于红外检测的变电站设备热状态诊断[J].智慧电力，2021，49（9）：109-116.

胡绍文.基于阻抗谱的电缆故障分类识别与定位[D].西安：西安理工大学，2024.

李能俊，杨海成，许显科，等.基于DT⁃CWT和SVD的变电站直流系统接地故障检测技术研究[J].电气传动，2024，54（5）：80-85.

曹赋禄，赵晋斌，潘超，等.基于 DFFT 的低压直流线路主动式接地故障定位方法[J].中国电力，2023，56（4）：184-191.

徐以超，聂德宇，顾赟，等.基于不平衡电桥与小波变换的直流系统接地故障综合检测研究[J].电器与能效管理技术，2021（9）：78-84.

程媛，张健韬，李仲强，等.变电站直流系统接地故障查找策略综述[J].南方能源建设，2023，10（5）：57-64.

温才权，韦鑫，闫茂华，等.基于暂态电流概率分析的 PT 二次多分支电缆中性线接地故障辨识研究[J].电网与清洁能源，2024，40（12）：45-53.

邓丰，史鸿飞，冯思旭，等.CNN-LSTM 全景故障特征挖掘的配电网单端定位方法[J].中国电机工程学报，2024，43：114-126.

陶政臣，高湛军，见文号.基于投入并联小电阻的含多分支配电网单相接地故障行波测距方法[J].电力系统保护与控制，2024，52（20）：38-48.

孙文成，李健，彭宇辉，等.基于样本不均衡和特征优选多源融合的输电线路故障类型辨识[J].电测与仪表，2024，61（12）：79-89.

于力，焦在滨，王晓鹏，等.基于 PMU 的中压配电网精确故障定位方法及关键技术[J].电力系统自动化，2020，44（18）：30-38.

王帅，李泽文，吴骢羽，等.基于 S 变换与 PSO‑GRNN 的行波精确检测方法[J].电力科学与技术学报，2024，39（6）：11-21.

王洪彬，周念成，王伟，等.基于行波模态分解的特高压直流输电线路双端行波测距方法[J] 电力系统保护与控制，2024，52（1）：109-120.

梁远升，徐征，丁佳彦，等.基于复域暂态解析的柔性直流输电线路单端故障测距方法[J].电力系统自动化，2024，48（24）：155-165.

卢建序.电力电缆故障预警与测距定位技术研究[D].杭州：浙江大学，2015.

张重远，罗世豪，岳浩天，等.基于 Mel 时频谱−卷积神经网络的变压器铁芯声纹模式识别方法[J].高电压技术，2020，46（3）：413-423.

刘云鹏，王博闻，岳浩天，等.基于 50Hz 倍频倒谱系数与门控循环单元的变压器偏磁声纹识别[J].中国电机工程学报，2020 40（14）：4681-4694.

律方成，汪鑫宇，王平，等.基于振动偏离及加权熵的多次短路冲击下变压器绕组机械形变辨识[J].电工技术学报，2023 38（11）：3022-3032.

周飞燕，金林鹏，董军.卷积神经网络研究综述[J].计算机学报，2017，40（6）：1229-1251.

李楠，马宏忠，段大卫，等.基于多传感器融合声纹特征图谱的变压器铁芯松动故障诊断方法[J].振动与冲击，2023，42（15）：129-137，198.

张哲，秦博宇，高鑫，等.融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析[J].电网技术，2024，48（11）：4648-4657.

刘展程，王爽，唐波.基于 SSA - BiGRU - Attention 模型的变压器油中溶解气体含量预测[J].高电压技术，2022，48（8）：2972-2981.

张俊潇，高崇，劳永钊，等.基于混沌二进制麻雀搜索的配电网故障恢复方法[J].高电压技术，2023，49（ZK1）：247-253.

刘胜强，杜家兵.微电网分布式储能系统负荷功率动态分配方法[J].分布式电源，2024，9（6）：75-81.

ISLAM A ZENHOM，MOSTAFA F SHAABAN，W A OMRAN，et al. Grid interactive charging of evs in pv-powered parking lots considering uncertainties[J].IEEE Access.2023，11：111292-111301.

李君，何敏，黄守道，等.基于相暂态功率方向的有源配电网接地故障区段定位算法[J].高电压技术，2023，49（8）：3205-3215.

贺利芳，熊清，刘文浩.MCKD在一种新型随机共振系统下的转动体故障诊断研究[J].电子测量与仪器学报，2024，38（8）：188-200.

张忠会，雷大勇，李俊，等. 基于自适应ε-支配多目标粒子群算法的含SOP的主动配电网源-网-荷-储双层协同规划模型[J]. 电网技术，2022，46（6）：2199-2212.

查看原文

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Transmission Line Fault Classification Based on Deep Learning and Imbalanced Sample Set

Non-invasive Load Monitoring Method Based on Novel Convolutional Neural Network

Power Quality Disturbance Recognition Method Based on Multi-layer Feature Fusion Attention Network

Foreign Body Detection for Transmission Lines Based on Convolutional Neural Network and ECOC-SVM

Monthly Coal Power Demand Forecasting Based on Decomposition-Integration Under Carbon Peak & Carbon Neutrality Goals

Related Author

YUAN Haoliang

JIAN Shengchao

PENG Xiangang

HUANG Jinglin

MA Linchao1

YANG Jie1

XIAO Peng2

ZENG Jie3

Related Institution

（School of Automation， Guangdong University of Technology，，）

School of Electrical Engineering， Northeast Dianli University

Information Center of Yunnan Power Grid Co. LTD.

1. School of Electrical Engineering and Automation， Henan Institute of Technology

School of Electrical Engineering， Guangxi University

AI问答

⁰