5G承载网下基于经验小波变换和卷积神经网络的配网故障诊断方法

摘要：

配电网拓扑结构复杂、分支众多、潮流分布不平衡,且存在通信网络覆盖不完善问题,给精确故障诊断带来很大难度.首先,基于5G承载网络的分布式配电网故障诊断系统,提出了网络时延和丢包模型,测试了实际网络时延.其次,提出了基于经验小波变换(empirical wavelet transform,EWT)和卷积神经网络(convolutional neural network,CNN)的故障诊断方法,对网络传输后的录波电气量进行经验小波变换,得到不同频域分量.最后,对各分量构建卷积神经网络模型,形成EWT-CNN配电网故障诊断方法,给出故障判断报告.实验结果表明,所提出的5G承载网络下的EWT-CNN配电网故障诊断方法可有效诊断出配电网故障点,且具有很好的泛化能力.

关键词：故障诊断、5G承载网、经验小波变换(EWT)、卷积神经网络(CNN)、配电网

所属期刊栏目：21

分类号：TM766(输配电工程、电力网及电力系统)

资助基金：国家电网安徽电力有限公司研究项目52120018005C

在线出版日期：2021-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2713-2719