基于行波全景故障特征自辨识的高阻接地故障检测方法

受故障信号微弱、配电网存在噪声干扰等因素的影响,高阻接地故障情况下行波波头提取和检测困难,导致基于行波信号的高阻故障检测方法可靠性不高.针对上述问题,提出一种基于行波全景故障特征自辨识的高阻接地故障检测方法.首先,借助行波全景波形对高阻接地故障与正常暂态扰动电压行波信号的时-频差异性进行分析;然后,搭建卷积注意力模块-卷积神经网络(convolutional block attention module-convolution neural network,CBAM-CNN)模型,使其较传统的卷积神经网络(conrolution neral network,CNN)模型更具抗干扰能力,将行波全景波形以灰度图形式输入卷积神经网络,实现对多维故障特征的提取与利用;最后,在PSCAD上搭建10 kV配电网模型进行各种故障条件下的仿真分析.结果表明:所提方法能够可靠检测高阻接地故障,抗噪性能良好,且不受故障位置、过渡电阻、初相角的影响,大大提高了基于行波信号的高阻接地故障检测方法的可靠性与灵敏性.