翟二杰，舒征宇，汪 俊，黄志鹏

(三峡大学电气与新能源学院，湖北 宜昌 443000)

1 引言

我国中压配电网普遍采用小电流接地的方式运行，其发生单相接地故障的几率高达80%[1]。但由于发生单相接地故障时故障电流幅值较小，暂态过程持续时间短，容易受故障初始相角、接地电阻以及采样频率等因素影响，致使小电流接地系统故障选线问题成为配网自动化过程中的难题[2-4]。

近年来，以神经网络、支持向量机(Support Vector Machine，SVM)等为代表的基于人工智能的故障选线方法由于具有较高的选线精度和较好的鲁棒性，被广泛应用于配电网单相接地故障选线中。比如文献[5]根据故障初相角的不同，通过建立两类SVM分类器来解决接地电阻较大造成的配电网单相接地故障选线难的问题。文献[6]将蚁群算法优化后的BP神经网络应用于配电网故障选线，提高网络训练速度的同时，有效降低了选线误判率；文献[7,8]利用ADABOOST算法将多个分类方法级联，从而提高对复杂分类样本的处理能力，实现综合选线。上述各基于人工智能的方法在故障选线问题上取得了一定的成效，但都忽略了单相接地故障的零序电流是随时间变化的量，而BP神经网络和SVM分类器均属于浅层神经网络，它们与ADABOOST算法一样，在处理有延续性的时间序列方面存在不足，使得在某些极端情况下以及采样频率较低时容易造成误判。

长短期记忆神经网络(Long Short-Term Memory Neural Network，LSTM)作为一种具有记忆能力的递归型神经网络，其在处理有关时间序列的问题上具有显著优势，近年来在各个领域开始受到广泛关注。……