基于TensorFlow框架的有源配电网深度学习故障定位方法

基于TensorFlow框架的有源配电网深度学习故障定位方法
随着大规模分布式电源(DG)接入配电网，配电网的结构由传统的辐射型变为多端电源结构，传统的故障定位方法不再完全满足含DG的配电网系统，对此提出一种基于深度学习的有源配电网故障定位方法。首先通过馈线监控终端采集过电流故障数据与节点电压数据，结合各电源出力数据，形成故障数据向量；然后使用Tensorflow构建基于全连接网络的深度神经网络模型，挖掘故障数据向量与故障支路之间的映射联系，形成故障定位模型；最后利用该模型在线定位故障并验证其有效性。模型测试结果表示，与反向传播神经网络、学习向量量化神经网络模型相比，深度学习模型收敛速度更快，故障定位准确率更高，同时在数据畸变或缺失时，模型具有较高的容错性。

标题：
基于TensorFlow框架的有源配电网深度学习故障定位方法
A fault location method for active distribution network based on Tensorflow deep learning

作者：
刘成民，戴中坚，陈轩
LIU Chengming, DAI Zhongjian, CHEN Xuan

关键词：
Tensorflow;分布式电源;配电网;深度学习;故障定位
Tensorflow;distributed generation;distribution network;deep learning;fault location

2025-1-22 20:09 上传 基于TensorFlow框架的有源配电网深度学习故障定位方法.pdf

文件大小:

1.54 MB

下载次数:

60

高速下载