来源：期刊VIP网 时间：
作者：李铁;田鹏飞;孙振庭;姜志筠;吴广大;包鹏宇;胡钋;
单位：国网辽宁省电力有限公司;国网大连供电公司;武汉大学电气与自动化学院;
摘要：针对基于传统深度学习进行输电线路故障测距时直接采用电压、电流学习而导致模型鲁棒性差的问题，提出了一种采用故障量相对偏移作为故障特征进行学习的方法，该方法显著提高了模型的鲁棒性；针对在通过支持向量回归（support vector regression,SVR）进行深度学习时，传统灰狼优化（grey wolf optimization, GWO）算法对初始参数的寻优容易陷入局部最优问题，提出了一种改进的自适应灰狼优化算法以确定SVR的初始参数。对IEEE33节点模型的仿真结果表明，相较于传统方法，该方法的准确性更高，且当线路电压与长度发生改变时，精度相差甚微，具有较好的鲁棒性。
关键词：故障量相对偏移;;改进灰狼优化算法;;支持向量回归;;故障测距
基金资助：国家自然科学基金项目（编号：51477121）
