一种基于深度学习的多特征融合单相接地故障类型辨识方法.pdf

本发明公开一种基于深度学习的多特征融合单相接地故障类型辨识方法,主要步骤为:1)获取现场故障录波装置采集的故障录波数据;2)进行故障录波数据预处理,并对预处理后的故障录波数据进行基于HHT的时频分解,得到对应的时频信息特征;3)将步骤2处理得到的故障录波数据的时频信息特征构造为初级数据集;4)搭建并训练基础学习器Resnet18,提取数据集中的复杂非线性特征;5)搭建并训练基础学习器LSTM,提取数据集中的时序关联特征;6)将步骤4、5中学习并提取得到的复杂非线性特征和时序关联特征进行拼接融合,构造次级数据集,并结合决策树模型辨识出具体的单相接地故障类型。本发明具有良好的精确度和鲁棒性能,通用性好。适用于包括间歇性弧光接地故障和高阻接地故障在内的多种单相接地故障类型的辨识,辨识结果可为后续制定有针对性的故障处理措施提供可靠依据。