基于经验模态分解与长短时记忆网络的配电网故障原因识别方法

作者：于希娟; 李欣; 宣振文; 刘硕; 刘灏^*

来源：现代电力, 2023, 40(04): 596-604.

DOI：10.19725/j.cnki.1007-2322.2021.0359

• 故障原因识别
• 配电网
• LSTM网络
• EMD分解
• 主成分分析
• 数据驱动

针对识别配电网故障原因，目前的“人工巡线”方法，不仅耗费大量的人力物力资源，而且延长了停电时间。因此，提出一种基于数据驱动的配电网故障原因识别方法。首先通过对大量现场记录的故障波形数据进行分析，得到不同原因故障的机理以及波形特征，提出一种基于经验模态分解(empirical mode decomposition,EMD)和主成分分析(principal component analysis,PCA)的故障特征提取方法。通过EMD将故障时域波形按照不同的时间尺度进行分解，得到具有信号局部特征的本征模态函数(intrinsic mode function,IMF)分量。其次利用PCA对多个IMF分量进行降维，提取IMF序列中的主要特征分量并将其组成特征向量。最后提出一种基于长短期记忆网络的故障原因分类模型，用于提取特征序列的动态时间尺度特征并实现故障原因的分类。使用实际现场数据的实验结果表明，该故障原因分类模型具有较高的准确度。

• 单位
  华北电力大学; 北京市电力公司; 新能源电力系统国家重点实验室