丁 嘉 朱永利

图学习与零序分量相结合的风电场集电线单相接地故障定位

丁 嘉 朱永利

（华北电力大学电气与电子工程学院 保定 071003）

由于风电场集电线线路短、连接风机多且风机间距小，传统行波测距等故障定位方法难以适用。为此该文提出一种图学习与零序分量相结合的新型层次化单相接地故障定位方案。首先，计及集电线拓扑信息构建图数据，应用图卷积神经网络进行图分类建模判断集电线故障区域；然后，为克服样本不平衡的影响，结合迁移学习进行模型串联，并引入代价敏感机制后处理分类结果；最后，利用风电场接地方式与箱变接线特点，基于双端零序分量推导与风机无关的故障区域测距公式。所提方案可跨越风机实现定位，并能克服数据不同步的影响，所需测点少，适用于含分支集电线。仿真表明，图卷积神经网络相对传统深度网络判断正确率更高，模型串联结合代价敏感机制可有效克服样本不平衡影响；故障区域判断与测距效果不受故障位置、过渡电阻和风速的影响。

风电场 集电线 单相接地故障 故障定位 图卷积神经网络 零序分量 样本不平衡 数据不同步

0 引言

当前，我国风电的装机容量与发电量已多年位列全球第一[1]，在实现“双碳”目标，构建新型电力系统背景下，风电势必会迎来进一步的发展。但是，我国风电场大多位于戈壁、海岸等环境较为恶劣的地区，集电线短路故障易发[2]，而集电线线路短、连接风机多、风机间距小又使得自动化定位难度很大，易造成弃风窝电，使风电企业备受困扰。……