基于格拉姆角场和卷积神经网络的故障选线方法

本发明涉及配电网故障选线技术领域，特别涉及一种基于格拉姆角场和卷积神经网络的故障选线方法，包括采集配电网发生单相接地故障时每条馈线的一维零序电流时间序列数据；将采集的一维零序电流时间序列数据通过格拉姆角差场转换为二维图像；对二维图像进行归一化处理并划分数据集，将划分后的数据集输入到二维卷积神经网络中进行迭代训练得到损失和准确率结果。上述方法通过二维卷积神经网络挖掘图像的深度特征，可以保证较高的选线准确率；同时基于格拉姆角场的转换原始数据为二维图像的算法，能够保留更多地原始信息，并且消耗时间更短、可视化效果更好，加强了所提选线方法的可靠性，能够解决传统故障选线方法准确率低、信息丢失的问题。