基于AD-CNN算法的配电网内部过电压识别技术

作者：廖宇飞; 杨耿杰^*; 高伟; 郭谋发; 陈永往

来源：高电压技术, 2019, 45(10): 3182-3191.

DOI：10.13336/j.1003-6520.hve.20181206011

• 配电网
• 过电压识别
• 原子分解
• 匹配追踪算法
• 帝国殖民竞争算法
• 特征原子谱
• 卷积神经网络

准确识别过电压类型是过电压事故处理的首要任务。针对浅层分类器难以识别高维特征的问题,提出了原子分解(atomic decomposition,AD)结合卷积神经网络(convolution neural network,CNN)的配电网内部过电压识别方法。该方法利用原子分解法分解母线三相电压,依据频率重构最优原子得到高维特征—特征原子谱,然后将特征原子谱输入到CNN中,即可实现7类典型内部过电压的识别。在仿真和物理实验平台上对所提方法进行了验证,结果表明:CNN相对于浅层学习的支持向量机和极限学习机具有更强的自主学习能力;相对于低维特征结合浅层分类器的识别算法,所提方法具有更高的识别率和更强的适应性,该识别方法能较好地适用于配电网内部过电压的识别。论文研究可为配电网内部过电压的识别提供一定的参考。

• 单位
  国网福建省电力有限公司; 福州大学; 国网福建省电力有限公司福州供电公司; 自动化学院