基于三维卷积神经网络的配电物联网异常辨识方法
由于配电物联网中电力网与通信网高度耦合,单一网络的异常状态会交互作用至另一网络,可能进一步造成异常范围扩大,而单独采用电力网或通信网的异动信息难以全面、准确地辨识配电物联网异动源的类型和位置.因此,提出一种基于三维卷积神经网络(3D-CNN)的配电物联网异常类型辨识及定位方法.首先,分析了配电物联网通信流量特征并构建了基于Simulink和OPNET的配电物联网交互仿真模型;其次,提出了一种面向3D-CNN的样本构建方法,将配电物联网中每个节点的电气量和通信流量信息组成一个特征子像素,进而将配电物联网每个时刻的状态表示为一幅特征帧画面,形成隐含配电物联网异动过程的立方样本矩阵;随后,构建了包含三维特征提取网络和层级softmax分类器的深度学习模型,通过提取和辨识立方样本矩阵中隐含的异常信息,可以同时实现配电物联网异常类型和位置的判定;最后,利用IEEE 33节点配电物联网异常数据对模型进行测试,结果表明,所提方法可以对电力网短路故障、通信中断故障、通信数据异常引起的保护误动和拒动进行精确的分类及定位.
配电物联网;深度学习;交互仿真;异常辨识及定位;三维卷积神经网络
46
TP309.5;TM315;TP277
国家电网有限公司总部科技项目SGHADK00PJJS2000026
2022-01-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
42-50