一种基于改进VMD-CNN-BiLSTM的配电网单相接地故障选线方法

本发明涉及一种基于改进变分模态分解(variational mode decomposition，VMD)‑卷积神经网络(convolutional neural networks,CNN)‑双向长短时记忆神经网络(Bi‑directional Long‑Short Term Memory,BiLSTM)的配电网单相接地故障选线方法。当配电网发生单相接地故障时，通过基于鱼鹰和柯西变异的麻雀优化算法(Osprey and Cauchy mutation sparrow search algorithm,OCSSA)改进的VMD分解各馈线的零序电流信号，将分解后的零序电流信号按馈线从小到大的顺序连接成特征向量，并作为CNN‑BiLSTM构成的训练网络的输入信号，对特征向量进行数据挖掘，实现故障类型的分类，达到故障选线的目的。本发明在故障选线中考虑发生各种单相接地故障时配电网的故障选线准确率，保证故障选线方法的有效性。