基于深度学习的配网运维技术改进研究

作     者：王龙 戴兵兵 孔顺飞 龚沁宇 柏筱飞 胡海安 高萍 WANG Long;DAI Bingbing;KONG Shunfei;GONG Qinyu;BAI Xiaofei;HU Haian;GAO Ping

作者机构：国网苏州供电公司江苏苏州215000 

出 版 物：《粘接》 (Adhesion)

年 卷 期：2024年第51卷第3期

页      面：173-176页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：浙江省科技厅“尖兵”“领雁”研发攻关计划项目(项目编号:2022C01SA371625) 

主　　题：故障识别 配网运维 特征提取 ResNet算法 技术改进 

摘      要：为提高配网运维故障识别的准确率,结合变分模态分量(Variational Mode Decomposition,VMD)与信息熵,提出一种E-VMD配网运维故障信号特征提取方法;通过改进残差神经网络(ResNet)模型残差模块,设计了一种改进的ResNet模型;将E-VMD配网运维故障信号特征输入改进的ResNet模型中,实现配网运维故障的准确识别。仿真结果表明,所提方法可准确识别配网运维的单相接地、两相短路、三相短路故障,平均识别准确率达到100%,平均精确率为99.59%,平均召回率为100%,平均F1值为99.88%。相较于KNN模型和SVM模型,所提方法在各项性能指标上表现优异的性能,且具有良好的抗噪性能。