基于VMD分解和机器学习的直流配电网线路故障选极方法

本发明属于电力系统继电保护技术领域，具体涉及基于VMD分解和机器学习的直流配电网线路故障选极方法，所述方法包括建立直流配电网模型，获取保护区段正极接地、负极接地、极间短路和区外故障四种状态下预设时间段内保护安装处的单端电流量，利用SABO结合最小样本熵为目标函数，对VMD重要参数模态分解层数和惩罚因子进行最佳寻优，得到电流量的最佳IMF分量，计算均值、方差、峰值、峭度、有效值、峰值因子、脉冲因子、波形因子、裕度因子，生成每个样本的特征向量矩阵，采用CNN对特征向量矩阵进行故障特征提取，将所得结果送入SVM中确定线路故障类型，完成故障选极，本发明能够有效提取和强化故障特征，提高故障检测的灵敏性和准确性。