薛太林，耿杰

(山西大学 电力工程系，山西 太原 030013)

0 引 言

电力系统配电网故障分为单相接地故障、相间短路故障和接地相间短路故障，其中80%～90%的配电网故障为单相接地故障[1-3]。虽然小电流接地系统在单相接地故障后仍然可以保持正常工作时间，但是随着电力系统配电网规模增大，单相接地短路故障造成的影响也随之增大。不仅影响了用户的正常供电，而且可能产生过电压，烧坏设备，如果其他线路也具有金属性短路，则同时会发生相间短路，这是更严重的短路事故。为了避免造成更大的事故，应迅速识别故障线路和正常线路[4]。

针对配电网单相接地故障，国内外专家做了许多研究。文献[5]对比了人工神经网络、分类决策树、贝叶斯网络和支持向量机等不同算法对配网选线的精确度的影响，但是只是对比了传统的算法并没有对算法进行改进优化。文献[6]提出了采用小波频熵和熵权作为深度神经网络训练的特征值，但是存在激活函数梯度消失的问题。文献[7]提出采用遗传算法优化BP神经网络，克服BP神经网络对权值不敏感的问题，虽然提高了神经网络的收敛速度，但是在提高故障辨识精度方面仍需改进。

为了解决上述问题，提出了采用交叉熵损失函数和改进学习率优化的深度神经网络对故障进行辨别的方法。通过MATLAB/Simulink搭建的小电流接地系统单相接地故障模型，分析了五种故障特征，并计算故障特征值，构建了深度神经网络模型。……