基于深度卷积门控神经网络的高比例新能源接入配电网故障分类研究

提出一种基于深度卷积门控神经网络的高比例新能源接入配电网故障分类方法。首先，通过小波包变换特征提取配电网零序电流形成时频能量谱，将序列归一化后作为模型的输入数据；其次，将深度卷积门控神经网络应用于配电网故障分类中，融合卷积神经网络和门控循环网络提取新能源配电网故障特征数据，引入注意力机制提升网络训练效率和准确度，通过Softmax分类器进行故障分类，形成高比例新能源接入配电网故障分类模型，映射输入零序电流和输出故障类别之间的关系；最后，经过仿真结果表明，所提方法对不同故障位置和不同过渡电阻具有分类速度快、准确率高的优点，在高比例新能源接入的配电网中应用前景良好。