基于边缘计算和深度学习的有限信息配电网单相接地故障区段定位

• Published in: 电力系统保护与控制 Vol. 51; no. 24; pp. 22 - 32
• Main Authors: 张大波, 李雪婷, 陶维青
• Format: Journal Article
• Language: Chinese
• Published: 新能源利用与节能安徽省重点实验室(合肥工业大学),安徽 合肥 230009%国网山东省电力公司济宁供电公司,山东 济宁 272000 16-12-2023
• Subjects: 配电网有限量测; 故障区段定位; distribution network with limited measurement; deep learning; distributed generation; 单相接地故障; 边缘计算; 分布式电源; edge computing; 深度学习; fault section location; single-phase ground fault
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.230483

目前围绕量测条件受限的配电网展开的故障定位研究较少,且传统的主站集中式故障定位系统在实时性与安全性等方面存在不足.针对上述问题,提出一种基于边缘计算和深度学习的单相接地故障区段定位方法.首先,构建基于分区修正的边缘计算单元配置多目标优化模型.该模型通过分区修正方法降低了故障定位系统的通信时延,提升了数据传输安全性,进而保障配电网安全运行.其次,将基于数据驱动的智能算法应用于配电网故障区段定位,选择易获取的相电流稳态有效值在故障前后的变化量作为故障特征,利用全连接型深度神经网络学习样本特征与标签间的映射关系,得到离线训练好的定位模型并储存在边缘节点以实现快速故障定位.最后,以IEEE33节点系统为例进行仿真.算例结果表明该模型在分布式电源接入、高阻故障、噪声干扰以及拓扑改变等情况下均具有良好表现.