基于CNN-SVM的高压输电线路故障识别方法

作者：田鹏飞; 于游; 董明; 姜志筠; 包鹏宇; 吴国鼎; 张天东; 胡钋

来源：电力系统保护与控制, 2022, 50(13): 119-125.

DOI：10.19783/j.cnki.pspc.211196

• 故障识别
• 序分量特征提取
• CNN
• SVM

高压输电线路故障识别对保证电网安全稳定运行具有重要意义。提出了一种基于CNN-SVM的高压输电线路故障分段识别方法。针对传统故障识别方法数据特征提取过程复杂的问题，通过深度学习的CNN模型，将故障特征以时序矩阵形式输入其卷积层与池化层，从而简化特征提取与计算过程。此外，针对高压输电线路故障特征不明显导致相间故障识别率较低的问题，提出将故障相间电流差及非故障相负序与零序分量作为特征，输入到SVM模型，进而判断相间故障接地类型。仿真结果表明，所提方法准确率高，与其他深度学习方法相比，在相间故障识别的准确率上提升尤为显著。

• 单位
  国网辽宁省电力有限公司; 武汉大学