基于改进GoogLeNet的小电流接地系统故障选线方法

摘要：

针对传统小电流接地系统故障选线方法准确率低、鲁棒性弱的问题,文章提出一种基于改进GoogLeNet的小电流接地选线方法.首先,利用小波变换将零序电流信号映射为二维时频图,制备小电流接地数据集;然后,在GoogLeNet网络基础上通过迁移学习共享已训练模型权重来提高原网络检测精度;其次,在原网络全连接层前通过引入Batch-Normalization模块加快网络收敛速度,最终构建了GoogLeNet-69小电流接地故障选线网络;最后,为了验证所提出算法的优势,在未考虑噪声情况和考虑噪声情况下,将本文算法与4种经典选线方法进行比较.实验结果表明,相比于对比算法,本文算法检测精度最高,当信噪比为15dB时,所提出算法的选线精度可以达到96.3％,具有较强的抗噪能力.

关键词：深度学习;故障选线;GoogLeNet;迁移学习;小波变换

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;中国博士后科学基金;中国博士后科学基金;陕西省科技计划项目;陕西省科技计划项目

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：361-368