基于注意力机制-卷积神经网络的配电网单相接地故障选线方法

摘要：

针对配电网发生单相接地故障的电气量特征难以提取,故障选线准确性与鲁棒性难以保证,给电网安全稳定运行带来巨大隐患问题,提出一种基于注意力(attention)机制-卷积神经网络(convolutional neural networks,CNN)的配电网单相接地故障选线方法.首先,采用S变换将故障各线路时序零序电流数据转化为CNN可识别的二维输入矩阵;其次,在传统CNN分类算法进行故障选线的基础上引入注意力机制,建立了基于Attention-CNN的故障选线新模型;最后,通过仿真数据与工程实际数据验证模型的选线结果,并将所提Attention-CNN模型与同类CNN优化方法在不同干扰条件下的性能进行对比.结果表明,所提Attention-CNN模型能够大幅提高选线效率,减少迭代次数,实现更高效、准确的故障选线,具有较强的实际应用价值.

关键词：单相接地故障、配电网、卷积神经网络(CNN)、注意力机制、模糊集理论、S变换、深度学习

所属期刊栏目：44

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目SGHADK00PJJS2000026

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：82-93