基于CNN的小电流接地故障多判据融合选线方法

doi:10.16628/j.cnki.2095-8188.2023.11.005

电器与能效管理技术 ›› 2023, Vol. 0 ›› Issue (11): 28-34.doi: 10.16628/j.cnki.2095-8188.2023.11.005

基于CNN的小电流接地故障多判据融合选线方法

唐亮星¹, 李洪江¹, 刘鑫¹, 周庭栋², 李盼盼³

1.云南电网有限责任公司, 云南昆明 650000
2.云南电网有限责任公司红河供电局, 云南昆明 650000
3.合肥溢鑫电力科技有限公司,安徽合肥 230000

收稿日期:2023-06-05 出版日期:2023-11-30 发布日期:2023-12-22
作者简介:唐亮星(1986—),男,工程师,主要从事高电压技术、智能电网、电网建设研究。|李洪江(1986—),男,高级工程师,硕士,主要从事电力系统自动化研究。|刘鑫(1983—),男,高级工程师,学士,主要从事电力系统自动化研究。
基金资助:
云南电网公司科技计划资助项目(YNKJXM20220105)

Multi Criterion Fusion Method for Small Current Grounding Fault Line Selection Based on CNN

TANG Liangxing¹, LI Hongjiang¹, LIU Xin¹, ZHOU Tingdong², LI Panpan³

1. Yunnan Power Grid Co., Ltd., Kunming 650000, China
2. Honghe Power Supply Bureau of Yunnan Power Grid Co., Ltd., Kunming 650000,China
3. Hefei Yixin Electrical Science and Technology Co.,Ltd., Hefei 230000, China

Received:2023-06-05 Online:2023-11-30 Published:2023-12-22

摘要/Abstract

摘要：

针对配电网中小电流接地系统故障选线难、检测慢的问题,提出一种基于卷积神经网络(CNN)、利用傅里叶变换和小波包分解的小电流接地故障多判据融合的选线方法。将CNN用于小电流单相接地故障选线问题,将各线路零序电流经处理后的一些分量作为输入量,将故障线路作为输出量,经过大量数据训练后得到故障线路数学模型。当新的故障数据输入到模型中,根据映射关系可选择出故障线路。最后用MATLAB/Simulink进行仿真,验证所提方法的可行性。

关键词: 故障选线, 小电流接地, 卷积神经网络, 多判据融合

Abstract:

Aiming at the problems of difficult fault line selection and slow detection for the small and medium current grounded systems in distribution networks,a multi criterion fusion method for line selection of small current single-phase ground fault based on convolutional neural networks (CNN),Fourier transform and wavelet packet decomposition is proposed.CNN is applied to the problem of line selection for small current single-phase ground fault.Some components of the zero-sequence current of each line after processing are taken as input, and the fault line is taken as output.After a large amount of data training, the mathematical model of the fault line is obtained.When the new fault data is input into the model,the fault lines can be selected based on the mapping relationship.Finally, the feasibility of the proposed method is verified by the simulation using MATLAB/Simulink.

Key words: fault line selection, small current grounding, convolutional neural network (CNN), multi criterion fusion

中图分类号:

TM862

唐亮星, 李洪江, 刘鑫, 周庭栋, 李盼盼. 基于CNN的小电流接地故障多判据融合选线方法[J]. 电器与能效管理技术, 2023, 0(11): 28-34.

TANG Liangxing, LI Hongjiang, LIU Xin, ZHOU Tingdong, LI Panpan. Multi Criterion Fusion Method for Small Current Grounding Fault Line Selection Based on CNN[J]. LOW VOLTAGE APPARATUS, 2023, 0(11): 28-34.

图/表 11

图1

图2

图3

图4

图5

表1

表2

图6

图7

表3

图8

参考文献 14

[1]	杜刚, 刘迅, 苏高峰. 基于FTU和“S”信号注入法的配电网接地故障定位技术的研究[J]. 电力系统保护与控制, 2010, 38(12):73-76.
[2]	王红俭, 刘鹏飞. 矿用高压配电箱零序电流比幅比相漏电保护[J]. 煤炭科学技术, 2011, 39(6):70-74.
[3]	刘兴艳, 董洋洋. 基于五次谐波电流变化特征的单相接地故障选线方法[J]. 电子质量, 2010(3):35-37.
[4]	龚静, 李英姿, 王亚慧. 基于DSP的小电流接地系统暂态首半波法实现[J]. 电工技术, 2006(9):34-36.
[5]	殷培峰, 刘石红. 基于谐波与首半波结合的单相接地选线分析与研究[J]. 自动化与仪器仪表, 2013(4):19-21,225.
[7]	夏远洋, 张臻, 李啸骢, 等. 基于FastICA的小电流接地故障选线法[J]. 电器与能效管理技术, 2018(17):63-68.
[8]	叶伟权. 基于多故障判据融合的小电流接地系统单相接地故障选线研究[J]. 电工技术, 2022(11):7-9.
[9]	姚明, 安宇, 韩浩江, 等. 小电流接地系统故障选线与定位方法研究[J]. 电器与能效管理技术, 2017(20):12-17.
[10]	孙其东, 张开如, 刘建, 等. 基于五次谐波和小波重构能量的配电网单相接地故障的选线方法研究[J]. 电测与仪表, 2016, 53(16):1-4.
[11]	孙天龙. 基于卷积神经网络与特高频技术的局部放电模式识别研究[J]. 电器与能效管理技术, 2022(10):32-37.
[12]	雷静, 李晨婧, 郭亮, 等. 基于GAF与卷积神经网络的配电网故障选线新方法[J]. 电力系统及其自动化学报, 2023, 35(2):53-62.
[13]	许欣, 张颖. 基于边缘计算和小波神经网络的配电网故障定位研究[J]. 电器与能效管理技术, 2022(8):33-38.
[14]	陈挺, 胡兵轩, 任庭昊, 等. 基于差分进化优化RBF网络的小电流接地多判据选线方法[J]. 自动化技术与应用, 2020, 39(8):97-102.

相序参数	电阻/ (Ω·km^-1)	电感/ (mH·km^-1)	电容/ (μF·km^-1)
正序	0.127 3	0.933 7	0.012 74
零序	0.386 43	4.126 4	0.007 75

参数类型	参数取值
初始相角/(°)	0	30	60	90
接地电阻/Ω	10	50	100	500
消弧线圈补偿度/%	0		10

试验次数	线路	基波分量	5次谐波分量	小波能量	模型输出	选线结果
1	L₁	0.147 8	0.039 04	549.79	4	L₄ 故障
	L₂	0.161 5	0.038 70	661.55
	L₃	0.252 2	0.055 64	1 632.14
	L₄	0.559 5	0.093 19	8 658.17
2	L₁	1.816 3	0.205 70	23 200.60	1	L₁ 故障
	L₂	0.317 4	0.047 98	715.88
	L₃	0.499 4	0.067 41	1 761.38
	L₄	0.981 6	0.132 21	6 735.65
3	L₁	0.387 2	0.052 01	801.64	3	L₃ 故障
	L₂	0.425 1	0.054 11	962.79
	L₃	2.162 8	0.191 81	24 204.50
	L₄	1.311 4	0.136 27	8 961.91
4	L₁	0.388 4	0.052 06	809.13	2	L₂ 故障
	L₂	2.412 9	0.215 22	30 226.10
	L₃	0.669 6	0.073 63	2 370.74
	L₄	1.315 5	0.136 57	9 009.15
?
50	L₁	0.102 5	0.031 82	92.74	4	L₄ 故障
	L₂	0.111 5	0.030 71	112.99
	L₃	0.169 0	0.038 56	284.24
	L₄	0.364 7	0.057 68	1 472.74

[1]	谢振华, 刘玉莹, 侯林明, 王尧, 周家旺, 盛德杰. 基于注意力机制优化电弧特征的光伏直流电弧故障检测方法[J]. 电器与能效管理技术, 2024, 0(8): 50-56.
[2]	孙益凡, 刘玉军, 张树旺, 齐东迁, 陈光华, 郭凤仪. 振动条件下三相交流电动机线路故障电弧诊断方法[J]. 电器与能效管理技术, 2024, 0(8): 69-76.
[3]	王兆锐, 何键涛, 李治彤, 鲍光海. 基于轻量型CNN和特征阈值的光伏系统串联电弧故障检测装置[J]. 电器与能效管理技术, 2024, 0(8): 77-85.
[4]	谢彤彤, 刘颖明, 王晓东, 高兴. 基于CNN-LSTM的永磁同步风力发电机转子偏心早期故障诊断[J]. 电器与能效管理技术, 2024, 0(3): 1-6.
[5]	刘浩, 侯春光, 高有华. 基于多传感信息融合的电缆附件局部放电诊断算法研究[J]. 电器与能效管理技术, 2024, 0(10): 36-41.
[6]	孙天龙. 基于卷积神经网络与特高频技术的局部放电模式识别研究[J]. 电器与能效管理技术, 2022, 0(10): 32-37.
[7]	朱洪志, 孙震, 兰巧倩, 沈亮熠, 张冲, 贺兴. 基于Faster R-CNN的电网线路常见异物检测[J]. 电器与能效管理技术, 2021, 0(1): 58-63.
[8]	刘炳南, 黄沂平, 方国标. 基于一维卷积神经网络的配电网高阻接地故障识别[J]. 电器与能效管理技术, 2020, 0(9): 99-103.

基于CNN的小电流接地故障多判据融合选线方法

Multi Criterion Fusion Method for Small Current Grounding Fault Line Selection Based on CNN

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 14

相关文章 8

编辑推荐

Metrics

本文评价