購物車(0)
基于TensorFlow框架的有源配電網深度學習故障定位方法
劉成民; 戴中堅; 陳軒 國網江蘇省電力有限公司檢修分公司; 江蘇南京211102; 東南大學電氣工程學院; 江蘇南京210096
關鍵詞：tensorflow 分布式電源 配電網 深度學習 故障定位
摘要：隨著大規(guī)模分布式電源(DG)接入配電網,配電網的結構由傳統(tǒng)的輻射型變?yōu)槎喽穗娫唇Y構,傳統(tǒng)的故障定位方法不再完全滿足含DG的配電網系統(tǒng),對此提出一種基于深度學習的有源配電網故障定位方法。首先通過饋線監(jiān)控終端采集過電流故障數據與節(jié)點電壓數據,結合各電源出力數據,形成故障數據向量;然后使用Tensorflow構建基于全連接網絡的深度神經網絡模型,挖掘故障數據向量與故障支路之間的映射聯(lián)系,形成故障定位模型;最后利用該模型在線定位故障并驗證其有效性。模型測試結果表示,與反向傳播神經網絡、學習向量量化神經網絡模型相比,深度學習模型收斂速度更快,故障定位準確率更高,同時在數據畸變或缺失時,模型具有較高的容錯性。
電力工程技術雜志要求:
{1}文中一級標題、二級標題、三級標題、四級標題的序號用“一、……”“（一）……”“1．……”“（1）……”標示。
{2}確保投稿無一稿兩投、不涉及保密及署名無爭議等事項，若因保密原因不便公開的內容，應向編輯部說明。
{3}來稿力求做到富有思想性，觀點新穎、概念準確、論證嚴謹、邏輯清晰、資料翔實、格式規(guī)范、文字精煉。
{4}參考文獻：本刊要求所有參考文獻按照在文中出現的先后順序做實引，在引用處用上角標的形式標注，如“[1]”、“[2]”等。
{5}引用他人著作應依次標明作者、書名、出版社、出版時間、頁碼。第一版的著作無須注明版次。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
