文献类型：期刊文章

作　　者：白浩[1] 潘姝慧[1] 邵向潮[2] 高健鸿[3] 李巍[1] 雷金勇[1] 郭谋发[3]

BAI Hao;PAN Shuhui;SHAO Xiangchao;GAO Jianhong;LI Wei;LEI Jinyong;GUO Moufa(Electric Power Research Institute,China Southem Grid,Guangzhou 510663,China;Dongguan Power SupplyBureau,Guangdong Power Grid Co.,Ltd.,Dongguan 530600,China;College of ElectricalEngineering and Automation,Fuzhou University,Fuzhou 350108,China)

机构地区：[1]南方电网科学研究院,广东广州510663 [2]广东电网有限责任公司东莞供电局,广东东莞530600 [3]福州大学电气工程与自动化学院,福建福州350108

出　　处：《电力系统保护与控制》

基　　金：南方电网公司科技项目资助(GDKJXM20198281)。

年　　份：2022

卷　　号：50

期　　号：20

起止页码：79-87

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对配电网高阻接地故障识别易受噪声干扰、无标签数据难以利用的难题,提出一种基于小波去噪与随机森林的高阻接地故障半监督识别方法。区别于监督式学习方法仅利用标签数据,基于协同训练方法能够充分利用有标签数据与无标签数据。首先,使用小波阈值去噪算法消除零序电流中的噪声。其次,采用波峰波谷故障启动算法判断线路是否发生故障或扰动事件。运用小波变换提取零序电流的小波系数作为故障特征。最后,基于小波系数故障特征构建两个随机森林作为半监督分类器进行协同训练,从而实现高阻接地故障的检测识别。仿真结果表明,所提配电网高阻接地故障半监督识别方法可以充分挖掘配电网既有的故障案例中无标注数据蕴含的关键特征,从而提高故障分类准确率,具有较强的准确性和灵敏性。

关 键 词：配电网 高阻接地故障 小波变换 半监督学习 随机森林  

分 类 号：TM862]