摘要： 为解决配电网发生单相接地故障时仅依靠比较动作阈值出口跳闸，不能对单相接 地具体故障类型进行有效识别的问题，提出了一种基于卷积神经网络（ＣＮＮ）自适应识别电弧接 地和电阻接地的方法。研究了 ４种单相接地的故障类型，在 ＰＳＣＡＤ／ＥＭＴＤＣ中搭建了 １０ｋＶ配 电网模型进行仿真。利用希尔伯特 －黄变换（ＨＨＴ）构造出故障信号的时频谱图，以此作为 ＣＮＮ的输入，在故障特征量被 ＣＮＮ自主提取后能够分类识别单相接地故障类型。Ｍａｔｌａｂ仿真 结果表明：该方法与传统机器学习算法相比具有更高的准确率。试验结果表明：投入消弧线圈、 调整网络结构和加入噪声污染后，对单相接地故障类型的识别也具有良好的适应性。

关键词: 配电网；卷积神经网络；希尔伯特黄变换；故障识别；单相接地

中图分类号: 

• TM732