基于长短期记忆网络和模糊C均值聚类的配电网故障预警方法研究

作者：吴佳庆; 顾洁; 金之俭; 游铭豪; 王耀健

来源：供用电, 2023, 40(10): 63-72.

DOI：10.19421/j.cnki.1006-6357.2023.10.008

• 故障预警
• 特征变量
• 长短期记忆网络
• 模糊C均值聚类
• 边界条件

为辅助电网运行部门能够及时采取有效的风险防控措施，提高配电网供电可靠性，提出一种基于长短期记忆网络（long short-term memory network,LSTM）和模糊C均值（fuzzy C-means,FCM）聚类算法的配电网故障预警模型。首先，通过对电网运行数据进行归类，筛选出配电网25个特征变量，并采用主成分分析法进行特征变量融合，形成可表征配电网运行状态的低维特征变量；然后，基于已融合的特征变量，选用FCM聚类算法对配电网故障状态和非故障状态区分的边界条件进行辨识，并采用LSTM对短期内配电网特征量进行预测，进一步结合特征量预测结果和所得出的状态区分边界条件，预测未来短期内的故障发生时刻，实现故障预警；最后，以某地级市39条馈线配电网运行数据为例，验证了所提方法的有效性。

• 单位
  上海交通大学