基于小波AlexNet网络的配电网故障区段定位方法

作者：侯思祖; 郭威; 王子奇; 刘雅婷

来源：电测与仪表, 2021, 1-12.

• 小波包变换
• AlexNet网络
• 门控循环单元
• 时频矩阵
• 故障区段定位

提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换（WPT）分解配电网各区段的电量信号，将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵，通过颜色编码将时频矩阵转成具有图像性质的像素矩阵，像素矩阵囊括了当前系统的工作状况信息，利用迁移学习AlexNet网络，调整网络结构使其适应于配电网故障区段辨识，通过微调的AlexNet网络自主挖掘像素矩阵的故障特征作为预测变量，利用门控循环单元（GRU）、学习向量量化（LVQ）、朴素贝叶斯分类器（NBC）、极限学习机（ELM）、支持向量机（SVM）等模式识别算法进行故障特征分类，从而实现配电网故障区段定位。针对多分支的线缆混合线路进行实验分析，比较5种模式识别算法的分类效果，得到GRU算法准确率可以达到99.92%，证明了该方法不受故障时刻、故障类型和过渡电阻等因素的影响，可满足配电网对故障区段定位准确度和可靠性的需求。

• 单位
  电子工程学院; 华北电力大学