基于VMD-LSTM的小电流接地系统故障选线方法.pdf

第 卷 第 期 电 工 电 能 新 技 术
40 1 ,
年 月
2021 1 Advanced Technology of Electrical Engineering and Energy Jan. 2021
基于 VMD-LSTM 的小电流接地系统故障选线方法
翟二杰, 舒征宇, 汪 俊, 黄志鹏

(三峡大学电气与新能源学院, 湖北 宜昌 )
443000
摘要: 提出一种基于 的故障选线方法。 首先通过 算法将各出线零序电流分解为
VMD-LSTM VMD
表征其特性的高、中、低频分量,分时段计算各分量能量值,并依次输入到 神经网络中,通过
LSTM
建立各分量能量随时序变化特征与故障线路的联系,从而实现故障选线。 仿真结果表明,该方法不
受故障初始相角、接地电阻以及故障距离等因素影响,且在有噪声干扰、异步采样和采样频率较低
时依然可以取得良好的选线效果。
关键词: 小电流接地系统; 故障选线; 变分模态分解; 长短期记忆神经网络
DOI: 文章编号: 中图分类号:
10. 12067 / ATEEE2006007 1003-3076(2021)01-0070-11 TP277
使得在某些极端情况下以及采样频率较低时容易造
1 引言
成误判
。
我国中压配电网普遍采用小电流接地的方式运 长短期记忆神经网络
( Long Short-Term Memory
行 其发生单相接地故障的几率高达 [1] 但由 作为一种具有记忆能力的递
, 80% 。 Neural Network,LSTM)
于发生单相接地故障时故障电流幅值较小 暂态过 归型神经网络 其在处理有关时间序列的问题上具
, ,
程持续时间短 容易受故障初始相角 接地电阻以及 有显著优势 近年来在各个领域开始受到广泛关注
, 、 , 。
采样频率等