本團隊于2021年針對單相接地故障類型識別問題在IEEE Transactions on Industry Applications期刊（SCI二區(qū)）發(fā)表了論文Multilabel Classification Model for Type Recognition of Single-Phase-to-Ground Fault Based on KNN-Bayesian Method（基于KNN貝葉斯方法的單相接地故障類型識別多標(biāo)簽分類模型）。

  在非固體接地的配電網(wǎng)中，單相接地故障嚴(yán)重威脅著人身和設(shè)備的安全。雖然對現(xiàn)有故障線路的選擇和定位技術(shù)在降低SPGF的損傷方面做出了顯著的貢獻，但由于SPGF的檢測和維護效率較低，仍存在一定的功率損失。SPGF的多維分類有助于從不同角度揭示斷層的性質(zhì)；因此，該論文提出了一種用于識別SPGF類型的多標(biāo)簽分類模型。該模型考慮了時間域連續(xù)性、時間域穩(wěn)定性、過渡阻抗伏安特性、過渡阻抗大小和故障點介質(zhì)5個維度對SPGF進行了分類。隨后，確定相應(yīng)的特征。此外，利用8-D特征空間和14-標(biāo)簽故障類型空間構(gòu)建了SPGF的多標(biāo)簽分類模型。最后，設(shè)計了一種k近鄰貝葉斯方法來解決多標(biāo)簽分類問題。利用現(xiàn)場數(shù)據(jù)并與KNN方法進行比較，驗證了所提模型和方法的可行性和優(yōu)越性。

圖1 諧振接地系統(tǒng)單相接地故障的等效電路

圖2 不同故障原因下接地故障引起的過零時間分布