适用于深度学习训练的配电网故障历史样本数据生成研究.pdfVIP

技创新与应用

202514期TechnologyInnovationandApplication实验报告

DOI10.19981/j.CN23-1581/G3.2025.14.014

适用于深度学习训练的配电网故障历史样本数据生成研究

，，，，，

郭海东唐先均朱学孟斌吴达张发

，

华电新能源集团股份有限公司西藏分公司拉萨851414）

摘要随着智能电网和深度学习技术的发展，利用历史故障样本进行训练成为配电网故障数据处理的有力手段。该研究采

取一种动态迭代的策略，首先，利用深度学习模型对配电网的故障类型进行识别，并从识别过程中总结和提取关键数据；其次，通

过不断的迭代过程，将每次生成的历史样本数据反馈至模型中；最后，在Matlab/Simulink中搭建10kV线路保护检测试验的系统

模型，并搭建仿真试验算例进行验证，试验结果表明该模型是有效可行的。

关键词配电网故障；故障检测；深度学习；动态迭代；历史样本数据

中图分类号TP18文献标志码A文章编号2095-2945渊2025冤14-0063-05

Abstract:Withthedevelopmentofsmartgridanddeeplearningtechnology,theuseofhistoricalfaultsamplesfortraining

hasbecomeapowerfulmeansoffaultdataprocessingindistributionnetworks.Thisstudyadoptsadynamiciterativestrategy:

firstly,thedeeplearningmodelisusedtoidentifythefaulttypesofthedistributionnetwork,andthekeydataissummarized

andextractedfromtheidentificationprocess.Then,throughacontinuousiterativeprocess,thehistoricalsampledatagenerated

eachtimeisfedbackintothemodel.Finally,asystemmodelof10kVlineprotectiondetectiontestisbuiltinMatlab/Simulink,

andasimulationtestexampleisbuiltforverification,andtheexperimentalresultsshowthatthemodeliseffectiveandfeasible.

Keywords:distributionnetworkfailures;faultdetection;deeplearning;dynamiciteration;historicalsampledata

在当今信息化、智能化的时代背景下，配电网的限，提升深度学习模型在故障诊断领域的应用潜力。

[1-2]

，为了克服这一挑战，本研究采取了一种动态迭

自动化水平和智能化程度不断提高对故障诊断技

术提出了更高的要求。深度学习作为一种强大的机器代的策略：首先，应用深度学习模型对配电网中不同

，故障类型进行判与分类[8]，并从判结果中提炼出

学习技术具有自学习、自适应和高度抽象特征的能

力，为配电网故障诊断提供了新的解决方案。然而，深重要特征数据；其次，结合动态更新