基于深度学习的配网运维技术改进研究

为提高配网运维故障识别的准确率，结合变分模态分量(Variational Mode Decomposition, VMD)与信息熵，提出一种E-VMD配网运维故障信号特征提取方法；通过改进残差神经网络(ResNet)模型残差模块，设计了一种改进的ResNet模型；将E-VMD配网运维故障信号特征输入改进的ResNet模型中，实现配网运维故障的准确识别。仿真结果表明，所提方法可准确识别配网运维的单相接地、两相短路、三相短路故障，平均识别准确率达到100%,平均精确率为99.59%,平均召回率为100%,平均F1值为99.88%。相较于KNN模型和SVM模型，所提方法在各项性能指标上表现优异的性能，且具有良好的抗噪性能。