基于SInception-CNN模型的复合电能质量环境下配电变压器损耗敏感性分析

摘要

随着分布式资源大规模接入电网以及各种电力电子器件的广泛使用，配电网中电能质量问题和配电变压器损耗问题愈发严重。为对复合电能质量环境下配电变压器损耗进行敏感性分析，根据谐波、三相不平衡以及电压偏差对配电变压器损耗的影响机理，设计出一种复合电能质量环境下配电变压器损耗测量实验平台。在此基础上，将深度学习与灵敏度分析相结合，基于实验测量数据训练SInception-CNN模型，并利用训练好的深度学习模型对数据进行分析处理，计算在复合电能质量环境下各项电能质量特征的灵敏度，并利用G函数进行实验测试。结果表明，在复合电能质量环境下，三相不平衡对配电变压器损耗影响最为显著，与Sobol方法相比，SInception-CNN法表现出更高的准确性，并且具备更强的鲁棒性。

关键词

电能质量 / 配电变压器损耗 / 深度学习 / SInception-CNN模型 / 灵敏度分析

基金资助

国家电网有限公司科技项目(5400-202319202A-1-1-ZN)