Resumen

Con el continuo desarrollo de la tecnología de inteligencia artificial, el valor de los datos masivos de energía ha sido ampliamente considerado. Con el objetivo de resolver el problema de la selección de la línea de falta monofásica a tierra en un sistema de puesta a tierra resonante, se propone un método de selección de la línea de falta basado en una red neuronal convolucional separable por profundidad (DSCNN) de aprendizaje por transferencia. El método propuesto utiliza dos fusiones de imagen a nivel de píxel para transformar la corriente trifásica de cada alimentador en una imagen en color RGB, que se utiliza como entrada de la DSCNN. Tras la extracción de las características propias de la DSCNN, se completa la selección de la línea de fallo. Teniendo en cuenta que no todos los sistemas de distribución eléctrica pueden obtener una gran cantidad de datos en aplicaciones prácticas, se adopta la estrategia de aprendizaje por transferencia para trasplantar el modelo de selección de líneas entrenado. El menor número de parámetros DSCNN aumenta la portabilidad del modelo. Los resultados de las pruebas muestran que el método propuesto no sólo extrae características evidentes, sino que la precisión de la selección de líneas puede alcanzar el 99,76%. También se adapta bien a distintas frecuencias de muestreo, distintos entornos de ruido y distintas topologías de redes de distribución; la precisión de la selección de líneas puede superar el 97,43%.

• Materias:Ingeniería electrónica Redes Inalámbricas Procesamiento de señales asistido por computador Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Signal processing computer-assisted Computing Data processing
• Palabras claves:precisión en la selección de líneas, diferentes topologías de redes de distribución, método de selección de líneas de avería, selección de líneas de avería en tierra, red neuronal convolucional separable, imagen en color rgb, tecnología de inteligencia artificial, diferentes entornos de ruido, diferentes frecuencias de muestreo, selección de líneas de avería
• Keywords:line selection accuracy, different distribution network topologies, fault line selection method, ground fault line selection, separable convolutional neural network, rgb color image, artificial intelligence technology, different noise environments, different sampling frequencies, fault line selection