基于BMF-GADF与改进Swin Transformer的配电网故障选线方法OA

由于配电网小电流系统发生单相接地故障时故障特征比较微弱,现有故障选线方法存在准确率低、鲁棒性弱等问题。为此,提出了一种基于巴特沃斯均值滤波-格拉姆角差场(BMF-GADF)与改进Swin Transformer的配电网故障选线方法。该方法将BMF与GADF相结合,把零序电流转换为特征增强的GADF图像;将图像样本输入改进的Swin Transformer模型中进行特征提取;改进的Swin Transformer在原架构基础上引入模块并行的卷积注意力机制可实现更准确的特征自适应选择,有效提升模型精度;利用Softmax分类器实现故障线路的选取,试验结果表明,该方法选线准确率达98.96%,相较于其他故障选线方法,具有更高的选线精度与噪声鲁棒性,为配电网故障选线提供了新方案。