基于小波散射协同BiLSTM的输电线路故障诊断
为提高配电网输电线路故障选相和故障选线准确率,快速处理故障恢复供电,提出了一种利用海量数据实现输电线路故障诊断的小波散射协同双向长短期记忆网络(BiLSTM)方法.首先采用小波散射网络对故障零序电流信号进行小波散射特征提取,利用小波散射特征构成故障特征向量;然后将故障特征向量输入至BiLSTM网络中进行训练与测试;最后利用Softmax层概率分类实现故障选线和故障选相.实验结果表明,所提方法能够准确地实现故障选线和故障选相,且故障选线和故障选相的辨识准确率均达到99%以上.相比没有结合小波散射技术的长短期记忆网络来说,其故障选相辨识准确率提升了60.02%,故障选线辨识率提升了58.44%,证明了该方法的可行性和有效性,并且与其他文献的故障辨识方法相比,该方法具有辨识准确率高和训练时间短的优越性.
故障辨识、双向长短期记忆网络、小波散射变换、输电线路
40
TM712(输配电工程、电力网及电力系统)
国家自然科学基金61903129
2022-05-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
165-172