基于VMD-CNN的小电流接地系统故障电弧检测方法研究

作者：崔朴奕; 李国丽; 张倩; 范明豪; 张运勇

来源：电力系统保护与控制, 2021, 49(23): 18-25.

DOI：10.19783/j.cnki.pspc.211222

• 电弧模型
• 变分模态分解
• 深度卷积神经网络
• 故障诊断

构建准确且符合特定场景的电弧模型,研究电弧小电流接地的电流信号特征,并基于可量测电气量信号进行处理,对于及时可靠辨识故障电弧具有重要意义。提出一种小电流接地系统故障电弧的检测方法,通过建立故障电弧模型,基于变分模态分解算法(VariationalModeDecomposition,VMD)和卷积神经网络算法(Convolution Neural Network, CNN)对故障电弧进行准确辨识。首先,采用改进"控制论"电弧模型,基于PSCAD软件平台搭建了典型10 kV配电网仿真模型和接地"控制论"电弧模型。其次,采用变分模态分解算法对故障情况下的电气信号进行处理,得到4组电流信号的固有模态分量(Intrinsic Mode Function, IMF)。然后,提取包含信号基频成分的第一组IMF(IMF1)作为卷积神经网络(CNN)的输入。最后,应用CNN对IMF1进行特征识别,正确辨识正常与电弧故障情境。实验与仿真结果显示,通过利用VMD-CNN识别方法,提高了对原始电流信号识别准确度,能准确检测出故障电弧。

• 单位
  安徽大学; 国网安徽省电力有限公司电力科学研究院; 安徽北斗易通信息技术有限公司; 自动化学院