基于自适应概率学习的配电网故障辨识技术

摘要：

为了提升配电网故障辨识准确率,提出了一种基于自适应概率学习的早期故障诊断方法.该方法通过波形分解和最大化特征相似性找到最佳线性映射,将仿真数据和真实数据映射至同一特征空间,且在此空间中两者分布差异最小,之后即可使用仿真数据训练模型并对真实数据进行分类,从而解决配电网故障辨识中样本量不足这一重要问题.基于系统仿真数据和现场实际数据表明:所提方法对于自适应学习条件下早期故障诊断的可靠性和准确率,远优于同等条件下的卷积神经网络、支持向量机和K邻近算法等常用分类模型;为自适应学习条件下的配电网故障辨识技术提供了一种新的思路.

关键词：配电网;早期故障;故障辨识;特征提取;自适应概率学习

所属期刊栏目：37

分类号：TM726(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;中国南方电网有限责任公司科技项目

在线出版日期：2022-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：47-55