基于深度学习SDAE-BP的暂降类型识别方法

摘要：

不同短路故障引起的暂降类型不同,对用户造成的影响也不相同,准确地识别暂降类型可针对实际的电压暂降情况进行分析、补偿和抑制,对于电压暂降的治理具有重要的意义,同时还可作为电力供应部门和用户之间协调纠纷的依据.考虑到实际系统发生短路故障时可能存在相位跳变,在原有文献短路故障引起的暂降分类基础上,推导了系统阻抗与线路阻抗的阻抗角不相等情况下短路故障引起的电压暂降类型的表达式并分析了其特征;为准确识别电压暂降类型,并避免人为特征提取过程中信息丢失的问题,提出了一种基于堆栈降噪自编码器-神经网络(Stacked denoised autoencoder-back propagation,SDAE-BP)的暂降类型识别方法,在输入信号中加入一定概率的噪声,再通过构建多层降噪自编码网络(Stacked denoised autoencoder,SDAE)逐层训练,以最小的误差实现信号的特征提取,并采用BP(Back propagation,BP)神经网络对暂降类型进行识别,通过Matlab仿真验证了上述传播特性及电压暂降类型识别方法的正确性.

关键词：短路故障、电压暂降类型、堆栈降噪自编码器、BP神经网络、暂降识别

所属期刊栏目：17

分类号：TM7(输配电工程、电力网及电力系统)

资助基金：国网科技;南瑞集团科技资助

在线出版日期：2022-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：184-193