基于TensorFlow框架的有源配電網(wǎng)深度學(xué)習(xí)故障定位方法
關(guān)鍵詞：tensorflow 分布式電源 配電網(wǎng) 深度學(xué)習(xí) 故障定位
摘要：隨著大規(guī)模分布式電源(DG)接入配電網(wǎng),配電網(wǎng)的結(jié)構(gòu)由傳統(tǒng)的輻射型變?yōu)槎喽穗娫唇Y(jié)構(gòu),傳統(tǒng)的故障定位方法不再完全滿足含DG的配電網(wǎng)系統(tǒng),對此提出一種基于深度學(xué)習(xí)的有源配電網(wǎng)故障定位方法。首先通過饋線監(jiān)控終端采集過電流故障數(shù)據(jù)與節(jié)點電壓數(shù)據(jù),結(jié)合各電源出力數(shù)據(jù),形成故障數(shù)據(jù)向量;然后使用Tensorflow構(gòu)建基于全連接網(wǎng)絡(luò)的深度神經(jīng)網(wǎng)絡(luò)模型,挖掘故障數(shù)據(jù)向量與故障支路之間的映射聯(lián)系,形成故障定位模型;最后利用該模型在線定位故障并驗證其有效性。模型測試結(jié)果表示,與反向傳播神經(jīng)網(wǎng)絡(luò)、學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)模型相比,深度學(xué)習(xí)模型收斂速度更快,故障定位準(zhǔn)確率更高,同時在數(shù)據(jù)畸變或缺失時,模型具有較高的容錯性。
電力工程技術(shù)雜志要求:
{1}文中一級標(biāo)題、二級標(biāo)題、三級標(biāo)題、四級標(biāo)題的序號用“一、……”“（一）……”“1．……”“（1）……”標(biāo)示。
{2}確保投稿無一稿兩投、不涉及保密及署名無爭議等事項，若因保密原因不便公開的內(nèi)容，應(yīng)向編輯部說明。
{3}來稿力求做到富有思想性，觀點新穎、概念準(zhǔn)確、論證嚴(yán)謹(jǐn)、邏輯清晰、資料翔實、格式規(guī)范、文字精煉。
{4}參考文獻：本刊要求所有參考文獻按照在文中出現(xiàn)的先后順序做實引，在引用處用上角標(biāo)的形式標(biāo)注，如“[1]”、“[2]”等。
{5}引用他人著作應(yīng)依次標(biāo)明作者、書名、出版社、出版時間、頁碼。第一版的著作無須注明版次。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
