杨鹏杰,徐宇,郑晨一

• 1:云南电网有限责任公司昆明供电局
• 2:东南大学电气工程学院

摘要(Abstract)：

随着新型电力系统建设的推进，分布式新能源接入配电网的比例不断提升，使得电网潮流分布更加复杂，对配电网的故障定位要求越来越高，导致现有的故障定位方法准确率低、稳定性差。对此提出一种基于多尺度自适应残差卷积神经网络的新能源配电网故障定位方法。首先，对故障电流使用变分模态分解，得到一系列征模态函数；然后，使用多尺度自适应卷积动态调整卷积核尺寸、残差卷积提升网络学习能力的方式构建多尺度自适应残差卷积神经网络模型，特征学习输入的故障电流本征模态函数；最后，经过Softmax分类器实现故障区段分类，完成故障定位。仿真结果表明，所提方法面对新能源接入的配电网能够实现不同故障的准确定位，并且对高阻接地故障仍然具有较高的准确率。和常见的卷积神经网络、支持向量机相比，配电网故障定位准确率分别提升了5.63%、9.31%,验证了该方法的有效性。

关键词(KeyWords)： 新型电力系统;新能源;配电网;故障定位;多尺度自适应残差卷积神经网络

Abstract:

Keywords:

基金项目(Foundation): 云南电网有限责任公司科技项目(0501002022030101DL00014)

作者(Author): 杨鹏杰,徐宇,郑晨一

DOI: 10.13928/j.cnki.wrahe.2023.S2.070

参考文献(References)：

• [1] 李卫国，王旭光，卢广旗，等.基于DOST能量相似度的有源配电网故障区间定位方法[J].电测与仪表，2019,56(6):50-55.
• [2] 陈思源，景巍巍，史明明，等.新能源接入背景下的谐波源建模方法综述[J].电力系统保护与控制，2022,50(7):162-175.
• [3] 文劲宇，周博，魏利屾.中国未来电力系统储电网初探[J].电力系统保护与控制，2022,50(7):1-10.
• [4] 李练兵，孙腾达，曾四鸣，等.基于多端行波时差的配电网故障定位方法[J].电力系统保护与控制，2022,50(3):140-147.
• [5] 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.
• [6] 程志友，汤明金，李小静，等.基于双端电气量的配电线路故障定位方法[J].电测与仪表，2018,55(8) :46-50,57.
• [7] 刘志文，董旭柱，邹林，等.零序电流衰减周期分量的高阻接地故障区段定位[J].电力系统自动化，2020,44 (7) :161-170.
• [8] 王飞，孙莹.配电网故障定位的改进矩阵算法[J].电力系统自动化，2003,27(24):45-46.
• [9] 郑涛，马龙，李博文.基于馈线终端装置信息畸变校正的有源配电网故障区段定位[J].电网技术，2021,45(10):3926-3935.
• [10] SUN K M,CHEN Q,ZHAO P.Automatic faulted feeder section location and isolation method for power distribution systems considering the change of topology[J].Energies,2017,10(8):1081.
• [11] YAN Hanyu,WU Xueying,LIN Chunlan,et al.A modified matrix algorithm dichotomy for distribution network fault location[C]//Shanghai:2020 International Conference of Recent Trends in Environmental Sustainability and Green Technologies,2020.
• [12] 王丰华，穆卡，张君，等.基于参数修正的输电线路双端不同步测距方法[J].电力自动化设备，2018,38(8):95-101.
• [13] 刘煜，王俊江，焦青，等.基于量子行为粒子群算法的含分布式电源的配电网故障定位[J].智慧电力，2020,48(8):51-55.
• [14] 杨莉，周年荣，李川，等.含 DG 配电网故障定位的免疫二进制萤火虫算法[J].化工自动化及仪表，2021,48(3):253-258.
• [15] 张颖，许欣.基于蚁群退火算法的配电网故障定位研究[J].电器与能效管理技术，2021(9):85-90.
• [16] 吉兴全，张朔，张玉敏，等.基于 IELM 算法的配电网故障区段定位[J].电力系统自动化，2021,45(22):157-166.
• [17] YU X,HUANGFU Y,HE Q,et al.Gearbox fault diagnosis under nonstationary condition using nonlinear chirp components extracted from bearing force[J].Mechanical Systems and Signal Processing,2022,180(3):109-128.
• [18] 安文杰，陈长征，田淼，等.基于MSCNNSA-BiGRU的变工况风电机组滚动轴承故障诊断研究 [J].机电工程，2022,39(8):1096-1103.
• [19] KIM Y,NA K,YOUN BD.A health-adaptive time-scale representation (HTSR) embedded convolutional neural network for gearbox fault diagnostics[J].Mechanical Systems and Signal Processing,2022,167(8):1085-1103.
• [20] 张若愚，吴俊勇，李宝琴，等.基于迁移学习的电力系统暂态稳定自适应预测[J].电网技术，2020,44(6):2196-2205.
• [21] 魏东，龚庆武，来文青，等.基于卷积神经网络的输电线路区内外故障判断及故障选相方法研究[J].中国电机工程学报，2016,36(S1):21-28.
• [22] 曾全昊，王丰华，郑一鸣，等.基于卷积神经网络的变压器有载分接开关故障识别[J].电力系统自动化，2020,44 (11):144-154.
• [23] 魏文兵，毛钧毅，荣娜，等.采用随机矩阵与CNN的暂态电压稳定快速评估[J].电网与清洁能源，2020,36 (11):68-76.
• [24] JIA F,LEI Y G,LU N,et al.Deep normalized convolutional neural network for imbalanced fault classification of machinery and its understanding via visualization[J].Mechanical Systems and Signal Processing,2018,110:349-367.
• [25] ABDELJABER O,AVIC O,KIRANYAZ S,et al.Real-time vibration-based structural damage detection using one dimensional convolutional neural networks[J].Journal of Sound and Vibration,2017,388:154-170.