|
||
|
基于门控循环注意力网络的配电网故障识别方法
上海交通大学学报
2024, 58 (3):
295-303.
DOI: 10.16183/j.cnki.jsjtu.2022.091
为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控制记忆传递过程,并借由记忆传递建立序列中不同阶段输入波形和故障类别概率间的关系,从而提升识别准确率.基于仿真数据和实际数据的实验均表明:所提方法在小样本条件下的可靠性和准确率远优于同等条件下支持向量机、梯度提升决策树、卷积神经网络等常用分类模型,为配电网故障辨识技术提供了一种新思路.  View image in article
图3
配电网10 kV架空线路模型
正文中引用本图/表的段落
在电磁暂态仿真软件PSCAD/EMTDC中搭建配电网10 kV架空线路仿真系统,该系统基于IEEE 13节点模型[21],系统结构如图3所示,并采用非直接接地方式.其中,系统频率为50 Hz,采样频率为 4 096 Hz,采样长度为16个周波.仿真事件类型包含瞬时性故障、永久性故障和暂态干扰3种.仿真中随机选取参数以模拟各种条件下的配电网故障数据.变化参数包含噪声强度、短路电阻、故障起始角、故障位置、故障距离、故障电弧参数、负载参数、线路参数.此外,各种子类型均考虑在内,如不同故障相数(单相接地、相间、多相接地)和不同暂态干扰类型(负载变化、电容器投切).仿真数据中瞬时性故障、永久性故障和暂态干扰事件各120起,共计360起.
本文的其它图/表
|
