基于相空间重构和迁移学习的配电网高阻接地故障检测

摘要：

配电网中高阻接地故障(High Impedance Fault,HIF)时常发生,其故障特征微弱而难以检测,严重情况下可能导致火灾或人身事故.提出了一种基于相空间重构和迁移学习的故障识别方法,实现对谐振接地系统中HIF的辨识.首先,使用基于综合策略的小波阈值降噪方法对零序电流信号进行处理,以降低噪声的影响.随后,对降噪后的仿真信号及实测信号进行相空间重构,获取重构轨迹图,以此作为故障识别的特征量.最后,在辨识模型构建上,先使用仿真信号的重构轨迹图训练GoogLeNet模型,再使用实测信号对模型进行微调,实现迁移学习.所提算法的优点是使用相空间重构进行了信号转换,故障信号与干扰信号的重构轨迹图差异明显,且实测信号与仿真信号的重构轨迹图相似度较高.在进行迁移学习后,实现了对实测小样本数据较为准确的检测.实验结果表明,无论是故障实测数据还是故障仿真数据,识别准确率均达到95％以上.此外,在强噪声干扰、采样数据点缺失及故障回路间歇性导通情况下,所提算法也取得了较好的结果.

关键词：配电网、高阻接地故障、相空间重构、小波阈值降噪、迁移学习

所属期刊栏目：50

分类号：TM77;TM862;TP391.41

资助基金：福建省自然科学基金项目2021J01633

在线出版日期：2022-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：151-162