基于數據驅動的低壓配電網故障檢測方法

楊 軍，何金波，陳晨輝，倪 燁，李 赟，管委玲

（1.國網浙江省電力有限公司臺州市路橋區供電公司，浙江 臺州 318050；2.浙江省臺州市宏泰供電服務有限公司路橋分公司，浙江 臺州 318050）

0 引言

目前，隨著用戶需求的逐漸提升，配電網規模不斷壯大，配電網發生故障的概率大幅增加，對故障診斷技術提出了更高要求[1-3]。低壓配電網中，低壓側的線路分支及負荷類型較多，傳統的故障檢修方法存在檢修周期長、成本高的弊端[4-6]。如何利用現有的配電網設備降低故障檢修成本、提高故障檢修效率，成為保障配電網安全可靠運行亟需解決的問題[7-8]。

數據驅動在配電網故障診斷和定位方面應用廣泛[9-10]。文獻[11]通過監控和數據采集系統分析實際中壓配電網的歷史數據，對故障進行預測和診斷，但是對于不同類型的故障,診斷精度還不夠高。文獻[12]提出了一種基于改進Relief-Softmax算法的配電網故障風險預警方法，但對于不同的配電網，數據獲取、處理方式都不同，對數據進行特征提取時還需特別考慮地域特性，應用上不夠便捷。文獻[13]對比分析了多種基于機器學習主流模型的故障診斷方法，但這些方法對數據質量的要求極高。文獻[14]提出了基于卷積神經網絡的主成分分析法，但該方法側重于區域故障突發后的快速響應、電力客服中心的壓力緩解和服務質量的提升。文獻[15]對傳統的粒子群算法進行改進，提高了配電網故障定位精度及抗干擾能力，但該方法的適用范圍并不明確。……