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

作者：陈池瑶; 苗世洪^*; 殷浩然; 王子欣; 韩佶

来源：电力建设, 2023, 44(04): 82-93.

• 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

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。

• 单位
  强电磁工程与新技术国家重点实验室; 华中科技大学