基于人工智能的新型配電網(wǎng)故障診斷

目錄
第1章 新型配電網(wǎng)故障診斷概述 1
1.1 引言 1
1.2 配電網(wǎng)故障診斷理論與方法 2
1.2.1 基于物理表征的故障診斷方法 3
1.2.2 基于數(shù)學變換的故障診斷方法 5
1.2.3 基于數(shù)據(jù)驅(qū)動的故障診斷方法 6
1.3 問題凝練與解決方案 7
1.3.1 新型配電網(wǎng)故障診斷問題提出 8
1.3.2 新型配電網(wǎng)故障診斷意義凝練 9
1.3.3 基于人工智能的故障處理方法的基本原理 9
第2章 基于人工智能的新型配電網(wǎng)故障檢測方法 11
2.1 引言 11
2.2 基于多角度特征融合的配電網(wǎng)高阻接地故障檢測方法 12
2.2.1 高阻接地故障特征分析 12
2.2.2 故障特征樣本庫構(gòu)建 17
2.2.3 檢測模型及應(yīng)用流程 18
2.2.4 算例分析 21
2.3 基于度量元學習的小樣本場景下高阻接地故障檢測方法 26
2.3.1 小樣本度量元學習分類理論 26
2.3.2 多域特征融合的信息表征結(jié)構(gòu) 29
2.3.3 基于度量元學習的故障檢測模型 30
2.3.4 算例分析 35
2.4 本章小結(jié) 38
第3章 基于人工智能的新型配電網(wǎng)故障選線方法 39
3.1 引言 39
3.2 基于空洞卷積神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)選線方法 40
3.2.1 單相接地故障特性分析 40
3.2.2 空洞卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建 41
3.2.3 故障選線應(yīng)用流程 42
3.2.4 算例分析 43
3.3 基于領(lǐng)域自適應(yīng)遷移學習的配電網(wǎng)故障選線方法 46
3.3.1 領(lǐng)域自適應(yīng)遷移學習簡介 46
3.3.2 基于領(lǐng)域自適應(yīng)的配電網(wǎng)選線模型 48
3.3.3 小樣本場景下故障選線應(yīng)用方案 50
3.3.4 算例分析 52
3.4 本章小結(jié) 58
第4章 基于人工智能的新型配電網(wǎng)故障區(qū)段定位方法 59
4.1 引言 59
4.2 基于圖卷積網(wǎng)絡(luò)的配電網(wǎng)故障區(qū)段定位方法 59
4.2.1 圖論角度的配電網(wǎng)拓撲信息分析 60
4.2.2 圖卷積網(wǎng)絡(luò)配電網(wǎng)故障特征表達 63
4.2.3 基于圖卷積網(wǎng)絡(luò)的故障區(qū)段定位模型 65
4.2.4 算例分析 67
4.3 基于圖注意力網(wǎng)絡(luò)的配電網(wǎng)故障區(qū)段定位方法 70
4.3.1 考慮注意力機制的圖注意力網(wǎng)絡(luò) 70
4.3.2 適用于配電網(wǎng)重構(gòu)的圖注意力網(wǎng)絡(luò)故障定位模型 73
4.3.3 改進的注意力調(diào)節(jié)機制 76
4.3.4 算例分析 76
4.4 本章小結(jié) 82
第5章 基于人工智能的新型配電網(wǎng)故障精準測距方法 83
5.1 引言 83
5.2 基于 BP 神經(jīng)網(wǎng)絡(luò)和三相注入的配電網(wǎng)故障測距方法 83
5.2.1 基于單端注入法的故障特征分析 83
5.2.2 BP 神經(jīng)網(wǎng)絡(luò)設(shè)計 90
5.2.3 基于反射脈沖特征提取的故障測距應(yīng)用 93
5.2.4 算例分析103
5.3 基于堆疊式自編碼器的配電網(wǎng)故障測距方法106
5.3.1 配電線路故障特性分析106
5.3.2 基于堆疊式自編碼器故障測距模型 109
5.3.3 定位流程及參數(shù)分析112
5.3.4 算例分析119
5.4 本章小結(jié) 122
參考文獻123
后記132