基于流形理论与L1+L2约束的智能电网故障定位

现有的故障定位算法只能适应于小数据样本并且对于数据的依赖程度高。若数据中存在异常数据会带来较大的定位误差,且故障区域与故障位置需要分别进行求解。采用流行学习方法对智能电网中全局信息进行数据提取,充分利用了高维数据中包含的故障信息,并构造了故障区域与故障位置相统一的模型,通过L1+L2约束摆脱了对数据的依赖。算法中的参数统一采用Adagard方法进行学习,自动调节学习效率,提高参数学习的准确度和速度。最后,在PSCAD中搭建IEEE39节点模型,并在不同的场景下对算法的鲁棒性和定位精度进行了验证。