来源：期刊VIP网 时间：
作者：叶远波;王吉文;邵庆祝;汪艳霞;
单位：国网安徽省电力有限公司;西安交通大学电气工程学院;
摘要：配电网故障类型识别是提高供电可靠性的重要保障之一。目前，人工智能算法在电力系统故障诊断领域具有广阔的应用前景。本文提出了一种面向配电网故障识别的Transformer-联邦迁移学习算法。通过改进Transformer编码器模块，有效捕捉输入电气量所包含的全局信息，实现更加准确高效的故障辨识；其次，采用联邦学习传递客户端模型参数，解决了通信过程中数据出错、延时或者误码等问题；并利用深度迁移学习，基于一条线路的训练结果，有效识别同一配网中其他线路发生故障时的故障类型。仿真结果表明，本文算法在高阻接地故障情况下优于传统算法，并且具有很好的模型泛化能力。
关键词：配电网;;故障类型辨识;;联邦学习;;深度迁移学习;;Transformer网络
基金资助：国家电网公司科技项目（521200223001N）
