基于深度学习的小电流接地系统故障选线方法

张国栋; 蒲海涛; 刘凯

doi:10.12096/j.2096-4528.pgt.19103

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于深度学习的小电流接地系统故障选线方法

能源互联网 | 更新时间：2025-07-04

- 基于深度学习的小电流接地系统故障选线方法
- Fault Line Selection Method of Small Current Grounding System Based on Deep Learning
- 发电技术 2019年40卷第6期页码：548-554
- 作者机构：
  
  1.山东科技大学电气信息系, 山东省济南市 253500
  2.洛阳供电公司, 河南省洛阳市 471000
- 作者简介：
  
  [ "张国栋(1982), 男, 硕士, 讲师, 主要研究方向为电力系统运行控制, 459532455@qq.com" ]
  [ "蒲海涛(1979), 男, 博士, 副教授, 主要研究方向为电力系统自动化, kdpht@163.com" ]
  [ "刘凯(1981), 男, 硕士, 高级工程师, 主要研究方向为电网规划设计, 51781628@qq.com" ]
- 基金信息：
  
  教育部产学合作协同育人计划项目(201702064021);山东科技大学济南校区教研项目(JNJG2017203)
- DOI：10.12096/j.2096-4528.pgt.19103
  中图分类号：
- 收稿：2019-07-06，
  
  纸质出版：2019-12-30
- 稿件说明：
移动端阅览
张国栋, 蒲海涛, 刘凯. 基于深度学习的小电流接地系统故障选线方法[J]. 发电技术, 2019,40(6):548-554.

Guodong ZHANG, Haitao PU, Kai LIU. Fault Line Selection Method of Small Current Grounding System Based on Deep Learning[J]. Power Generation Technology, 2019, 40(6): 548-554.
张国栋, 蒲海涛, 刘凯. 基于深度学习的小电流接地系统故障选线方法[J]. 发电技术, 2019,40(6):548-554. DOI： 10.12096/j.2096-4528.pgt.19103.

Guodong ZHANG, Haitao PU, Kai LIU. Fault Line Selection Method of Small Current Grounding System Based on Deep Learning[J]. Power Generation Technology, 2019, 40(6): 548-554. DOI： 10.12096/j.2096-4528.pgt.19103.

摘要

小电流接地系统的单相接地故障选线问题目前仍没有完全解决。为了提高单相接地故障选线成功率，提出一种基于深度学习网络的选线方法。首先，利用PSCAD搭建了中性点不接地系统仿真模型，通过设置每条线路在不同接地电阻下的故障，得到基于各出线零序电流幅值和相角的样本数据，并将样本数据分为训练集、验证集和测试集3部分。其次，基于Keras搭建了深度学习神经网络，利用训练集和验证集数据对该网络进行训练。最后，利用测试集数据对训练好的模型进行测试。结果表明，该方法具有建模简单、成功率高及选线不受过渡电阻影响的特点。

Abstract

At present

the single-phase grounding fault line selection problem of small current grounding system has not been completely solved. In order to improve the success rate of single-phase grounding fault line selection

a new method based on deep learning network was proposed. Firstly

the simulation model of neutral un-grounded system was built by PSCAD. By setting the fault of each line under different grounding resistors

the sample data based on the zero sequence current value and phase angle of each line was obtained out. The sample data was divided into three parts:training set

verification set

and test set. Secondly

a deep learning neural network was constructed based on Keras

and the network was trained using the training set and validation set. Finally

the trained model was tested The results show that the method has the characteristics of simple modeling

high success rate and no influence of transition resistance.

关键词

Keywords

references

陈皓, 田新和, 高传薪, 等.直流微电网故障定位研究综述[J].广东电力, 2019, 32(7):44-51.

徐栋杰, 刘文泽, 李晓华.开关型消弧装置的故障选相及选线方法[J].广东电力, 2019, 32(1):125-131.

汪洋.基于小波分解-暂态信号的综合极性比较故障选线法[J].电网与清洁能源, 2017, 33(6):59-66.

刘宏伟, 朱东坡, 刘捷, 等.配电网中性点经小电阻接地方式下的小电阻选取[J].电网与清洁能源, 2018, 34(7):31-37.

龙茹悦, 黄纯, 汤涛, 等.一种谐振接地系统的配电线路接地故障选线新方法[J/OL ] .电力系统保护与控制: 1-9[2019-11-21 ] . https://doi.org/10.19783/j.cnki.pspc.181495 https://doi.org/10.19783/j.cnki.pspc.181495 .

方毅, 薛永瑞, 宋华茂, 等.谐振接地系统高阻接地故障暂态能量分析与选线[J].中国电机工程学报, 2018, 39(19):5636-5645.

朱永利, 尹金良.人工智能在电力系统中的应用研究与实践综述[J].发电技术, 2018, 39(2):106-111.

蒋凯, 童晓阳, 梁晨.基于随机矩阵的配电网故障选线方法研究[J].电工技术, 2018(13):1-4.

罗浩杰, 张栋柱, 李民强, 等.基于人工神经网络小电流接地选线方法研究[J].四川电力技术, 2016, 39(6):36-40.

薛太林, 侯隽朗, 张建新.基于GA优化BP神经网络小电流接地系统故障选线方法[J].电气自动化, 2018, 40(2):66-69.

但扬清, 赵伟, 朱艳伟, 等.基于ABC-DNN的小电流接地故障选线方法[J].智慧电力, 2019, 47(4):46-52.

徐铭铭, 高淑萍, 常仲学, 等.基于模型识别的消弧线圈接地系统单相接地选线方法[J].电力系统保护与控制, 2018, 46(2):73-78.

沈兴来, 杨智.基于故障全信息的自适应模糊融合选线技术[J].电力工程技术, 2017, 36(6):90-95.

刘谋海, 方涛, 姜运, 等.基于高频分量相关度分析的故障选线方法[J].电力系统及其自动化学报, 2017, 29(2):101-106.

陈奎, 陈博博.基于改进暂态相关分析和支持向量机的电弧故障选线研究[J].电力系统保护与控制, 2016, 44(24):66-73.

邵祥, 郭谋发, 游林旭.基于改进DTW的接地故障波形互相关度聚类选线方法[J].电力自动化设备, 2018, 38(11):63-71.

魏鑫, 舒乃秋.基于Hausdorff距离的配电网单相接地故障选线方法[J/OL ] .电力系统及其自动化学报: 1-12[2019-11-21 ] . https://doi.org/10.19635/j.cnki.csuepsa.000244 https://doi.org/10.19635/j.cnki.csuepsa.000244 .

周怀春, 胡志方, 郭建军, 等.面向智能发电的电站燃煤锅炉在线运行优化[J].分布式能源, 2019, 4(3):1-7.

潘玉松, 陈旭伟, 张鹏.传统火电厂建设智慧电厂的典型方向及构架体系[J].分布式能源, 2018, 3(5):48-53.

窦婷婷, 姚元玺, 陈鹏, 等.基于ATP-EMTP的电弧建模及工程仿真[J].山东大学学报(工学版), 2019, 48(4):102-108.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于人工智能的质子交换膜燃料电池状态估计及故障诊断

基于大语言模型的图检索增强生成技术在核电领域的应用与展望

基于人工智能的可再生能源电解水制氢关键技术及发展前景分析

基于人工智能的直流微电网大信号稳定性评估方法研究