针对低压配电网对缓慢性故障监控和停电故障预警的客观需求问题,提出基于多源数据融合与深度信念网络的台区停电故障预警与定位方法。首先综合某低压配电台区的配电自动化系统(distribution automation system,DAS)、用户用电信息采集系...针对低压配电网对缓慢性故障监控和停电故障预警的客观需求问题,提出基于多源数据融合与深度信念网络的台区停电故障预警与定位方法。首先综合某低压配电台区的配电自动化系统(distribution automation system,DAS)、用户用电信息采集系统(power user electric energy data acquire system,PUEEDAS)和当地气象系统数据构建台区多源数据体系,为方法提供数据基础;其次利用受限玻尔兹曼机(restricted Boltzmann machine,RBM)和深度信念网络(deep belief network,DBN)训练带标签的台区历史故障数据,深度挖掘变压器、线路和用户的历史停电故障数据特征,利用该特征进行停电故障预警;再利用Dempster-Shafer(DS)证据理论对不同系统数据的预警结果进行融合,得到综合预警结果;最后以某低压配电台区为算例进行验证,验证分析表明所提方法能够较准确地对台区故障类型进行预警和精准定位。展开更多
文摘针对低压配电网对缓慢性故障监控和停电故障预警的客观需求问题,提出基于多源数据融合与深度信念网络的台区停电故障预警与定位方法。首先综合某低压配电台区的配电自动化系统(distribution automation system,DAS)、用户用电信息采集系统(power user electric energy data acquire system,PUEEDAS)和当地气象系统数据构建台区多源数据体系,为方法提供数据基础;其次利用受限玻尔兹曼机(restricted Boltzmann machine,RBM)和深度信念网络(deep belief network,DBN)训练带标签的台区历史故障数据,深度挖掘变压器、线路和用户的历史停电故障数据特征,利用该特征进行停电故障预警;再利用Dempster-Shafer(DS)证据理论对不同系统数据的预警结果进行融合,得到综合预警结果;最后以某低压配电台区为算例进行验证,验证分析表明所提方法能够较准确地对台区故障类型进行预警和精准定位。