针对配电网单相接地故障特征信息不清晰且现有选线方法易受故障条件和环境噪声的影响，根据配电网暂态故障特征和稳态故障特征，提出了一种改进的深度神经网络用于故障选线。对深度学习网络的损失函数和学习率进行优化，进一步提高选线的效率和准确性。通过仿真验证了该方法的可行性。结果表明，与改进前相比，改进后的训练迭代次数由86次降低到30次，训练效率提高了65.12%,故障判断的准确率由95%提高到99%,具有较好的抗干扰能力，有一定的参考价值。
科研之友
微信
新浪微博
Facebook
分享链接
