电工电气杂志社

基于STFT与改进ConvNeXt配电网故障区段定位方法研究

来源：电工电气发布时间：2024-08-01 15:01浏览次数：149

基于STFT与改进ConvNeXt配电网故障区段定位方法研究

邓思敬^1，2，吴浩^1，2，邓力川^1，2，蔡源^1，2

(1 四川轻化工大学自动化与信息工程学院，四川宜宾 644000；

2 人工智能四川省重点实验室，四川宜宾 644000)

摘要：在目前的配电线路智能故障诊断研究方法中，存在着难以充分提取故障特征、抗噪声干扰能力弱、抗高阻能力差等问题。提出了一种基于短时傅里叶变换(STFT)并引入迁移学习的改进 ConvNeXt 配电网故障区段定位方法。该方法通过采集配电网各馈线两端的零序电流，计算出各馈线两端的零序电流幅值差，然后将各段的零序电流幅值差拼接成一个组合信号，用 STFT 处理组合信号，得到时频图，并将得到的时频图分为训练集和测试集。仿真结果表明，基于 STFT 并改进的 ConvNeXt 配电网故障区段定位方法在不同的故障距离、不同的接地电阻和不同的初始故障角度下都能有效地实现故障区段的选择，并且该方法具有较强的抗高阻能力以及较强的抗噪声干扰能力，在部分数据丢失的情况下仍能准确进行区段定位。

关键词： 配电网；暂态零序电流；区段定位；短时傅里叶变换；ConvNeXt 模型

中图分类号：TM711 文献标识码：A 文章编号：1007-3175(2024)07-0016-11

Research on Fault Segment Location Method of Distribution Network

Based on STFT and Improved ConvNeXt

DENG Si-jing^1,2, WU Hao^1,2, DENG Li-chuan^1,2, CAI Yuan^1,2

（1 School of Automation and Information Engineering, Sichuan University of Science & Engineering, Yibin 644000, China;

2 Artificial Intelligence Key Laboratory of Sichuan Province, Yibin 644000, China）

Abstract: In the present research methods of intelligent fault diagnosis of distribution lines, there are some problems, such as difficulty to extract fault features fully, weak ability to resist noise interference and poor ability to resist high resistance. In this paper, an improved fault segment location method of ConvNeXt distribution network based on short-time fourier transform (STFT) and transfer learning is proposed.In this method, the amplitude difference of the zero-sequence current at both ends of each feeder is calculated by collecting the zero-sequence current at both ends of each feeder of the distribution network. Then, the amplitude difference of the zero-sequence current of each segment is spliced into a combined signal, and the combined signal is processed by STFT to obtain a time-frequency graph, and the obtained time-frequency graph is divided into a training set and a test set. The simulation results show that the improved ConvNeXt distribution network fault segment location method based on STFT can effectively realize the selection of fault segments under different fault distances, different ground resistances and different initial fault angles, and the method has strong anti-high impedance ability and strong anti-noise interference ability, and can still accurately locate the segment in the case of partial data loss.

Key words: distribution network; transient zero-sequence current; segment location; short-time fourier transform; ConvNeXt model

参考文献

[1] LI Y, GAO H, DU Q, et al.A review of singlephase-to-ground fault location methods in distribution networks[C]//2011 4th International Conference on Electric Utility Deregulation and Restructuring and Power Technologies(DRPT)，2011 ：938-943.

[2] YUAN J , WU T , HU Y , et al . Faulty feeder detection based on image recognition of voltage-current waveforms in non-effectively grounded distribution networks[J].International Journal of Electrical Power & Energy Systems，2022，143 ：108434.

[3] GUAMAN A, VALENZUELA A.Distribution network reconfiguration applied to multiple faulty branches based on spanning tree and genetic algorithms[J].Energies，2021，14(20) ：1-16.

[4] 李卫国，许文文，王旭光，等. 基于 DTW 距离搜索的配电网故障区段定位方法[J]. 电力系统及其自动化学报，2020，32(6) ：80-87.

[5] 贾巍，雷才嘉，葛磊蛟，等. 城市配电网的国内外发展综述及技术展望[J] . 电力电容器与无功补偿，2020，41(1) ：158-168.

[6] 王秋杰，金涛，梅李鹏，等. 基于模型分层的配电网故障诊断方法[J] . 电力自动化设备，2020，40(1) ：73-79.

[7] CHEN K J, HU J, ZHANG Y, et al.Fault location in power distribution systems via deep graph convolutional networks[J].IEEE Journal on Selected Areas in Communications，2020，38(1) ：119-131.

[8] 戴志辉，王旭. 基于改进阻抗法的有源配电网故障测距算法[J]. 电网技术，2017，41(6) ：2027-2034.

[9] 李练兵，孙腾达，曾四鸣，等. 基于多端行波时差的配电网故障定位方法[J] . 电力系统保护与控制，2022，50(3) ：140-147.

[10] 刘红文，曾祥君，柴晨超，等. 配电网柔性接地装置注入非工频小信号的接地故障检测与区段定位方法[J] .南方电网技术，2022，16(6) ：44-53.

[11] 周改云，张国平，马丽，等. 基于阻抗分析和行波分析的配电网故障定位方法[J] . 电网与清洁能源，2015，31(9) ：21-26.

[12] 张文轩，李京，王雪菲. 基于多端行波信息的配电网故障定位改进矩阵算法[J] . 水电能源科学，2021，39(6) ：194-197.

[13] 束洪春，刘佳露，田鑫萃. 基于故障行波沿线突变和模型匹配的辐射状配电网故障定位[J]. 电力系统自动化，2020，44(9) ：158-163.

[14] 何锐，韩涛，顾泽玉，等. 基于行波折反射特征的单相接地故障区段定位方法[J] . 智慧电力，2018，46(1) ：77-82.

[15] 贾科，李论，宣振文，等. 基于扰动注入的柔性直流配电网主动故障定位及其仿真研究[J]. 电力系统保护与控制，2019，47(4) ：99-106.

[16] 王玲，邓志，马明，等. 基于状态估计残差比较的配电网故障区段定位方法[J] . 电力系统保护与控制，2021，49(14) ：132-139.

[17] 朱占春，潘宗俊，唐金锐，等. 基于单端暂态能量谱相似性的配电网故障区段定位新方法[J]. 电力科学与技术学报，2021，36(2) ：180-191.

[18] 吉兴全，张朔，张玉敏，等. 基于 IELM 算法的配电网故障区段定位[J] . 电力系统自动化，2021，45(22) ：157-166.

[19] 叶昭晖，王薇薇，张影. 基于深度学习的图像分类方法研究[J]. 信息网络安全，2021(S1) ：143-146.

[20] 张珂，冯晓晗，郭玉荣，等. 图像分类的深度卷积神经网络模型综述[J] . 中国图象图形学报，2021，26(10) ：2305-2325.

[21] 季长清，高志勇，秦静，等. 基于卷积神经网络的图像分类算法综述[J] . 计算机应用，2022，42(4) ：1044-1049.

[22] HOU S Z, GUO W, WANG Z Q, et al.A wavelet AlexNet network-based method for fault segment location in distribution networks[J].Electrical Measurement and Instrumentation，2022，59(3) ：46-57.

[23] ZHU H Y, JIA Z T, LI Q.CNN-based fault zone location in distribution network[J].Hydropower Energy Science，2021，39(7) ：188-191.

[24] YANG J, CHEN Y, FENG B, et al.Research on CNNidentification method of single-phase ground fault type in distribution network[J].Journal of Chongqing University of Technology(Natural Sciences)，2022，36(8) ：236-245.

[25] 唐志国，曹智，何宁辉. 卷积神经网络迁移学习在局部放电类型诊断中的应用[J] . 高压电器，2022，58(4) ：158-164.

[26] 朱革兰，李松奕，兰金晨，等. 基于零序特征量的配电网接地故障区段定位方法[J] . 电力自动化设备，2021，41(1) ：34-40.

[27] 李婷，付德义，薛扬. 基于 AE 与 STFT 的变桨轴承裂纹诊断研究[J] . 振动、测试与诊断，2021，41(2) ：299-303.

[28] LIU Z, MAO H, WU C Y, et al.A convnet for the 2020s[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2022 ：11976-11986.

返回索引列表

SUBSCRIPTION MANAGEMENT

发行征订

基于STFT与改进ConvNeXt配电网故障区段定位方法研究