基于自适应与主成分降维的配电网电缆早期故障辨识方法技术

本发明专利技术公开了一种基于自适应与主成分降维的配电网电缆早期故障辨识方法，该方法包括，获取电缆早期运行状态下的故障相电流；提取故障相电流的多域特征；通过主成分分析法对故障相电流的多域特征进行特征降维，根据成分累计贡献率大小排序得到有效特征；将得到的有效特征进行归一化处理后输入卷积神经网络模型，进行快速精确的分类辨识。本发明专利技术通过提取故障相电流的多域有效特征，可以实现配电网背景下电缆早期故障的快速有效辨识。使用的辨识方法是从电缆多域特征的角度出发，选取降维后的有效多域特征作为辨识早期故障的依据并进行分类辨识，同时多种故障条件设置可以保证分类辨识的准确性和可靠性。类辨识的准确性和可靠性。类辨识的准确性和可靠性。

【技术实现步骤摘要】
基于自适应与主成分降维的配电网电缆早期故障辨识方法


[0001]本专利技术属于电缆早期故障的辨识和保护领域，尤其涉及一种基于自适应与主成分降维的配电网电缆早期故障辨识方法。

技术介绍

[0002]电缆作为配电网最重要的设备之一，因其通常埋设于地下，占地面积少，不受气候因素影响等优点而被广泛应用于城市配电网。然而电缆在安装后，受到运行环境、外力破坏和运行维护人员的不当操作等影响，会出现局部放电现象，继而发展成为早期故障，最终导致永久性故障，给电力系统造成不可逆转的损失。局部放电时间过短，导致相对较难实现检测或辨识，而早期故障是发生永久性故障前的一种重复性瞬时故障，通过分析配电网早期故障蕴含的大量信息，可以实现“事前预警主动处理”，弥补传统“事后抢修巡检”辨识工作的不足和局限性。目前早期故障辨识主要分为特征提取和分类辨识，其中特征提取通常利用时频分析方法比如小波变换、经验模态分解等提取时域单一域特征，可能造成多域信息丢失等问题，特征变量过多也可能导致信息冗余和维数灾难。因此提取有效特征进行后续分类辨识对实现电缆早期故障的精确有效辨识是十分必要的。

技术实现思路

[0003]本专利技术的目的在于提供一种基于自适应S变换与主成分降维的配电网电缆早期故障辨识方法，解决从提取故障相电流有效特征角度对配电网电缆早期故障精确有效辨识并保护的问题。
[0004]本专利技术按以下技术方案实现：
[0005]一种基于自适应与主成分降维的配电网电缆早期故障辨识方法，所述方法包括：
[0006]获取电缆早期运行状态下的故障相电流；
[0007]提取故障相电流的多域特征，所述多域特征包括：时域特征、频域特征及时频域特征；
[0008]通过主成分分析法对故障相电流的多域特征进行特征降维，根据成分累计贡献率大小排序得到有效特征；
[0009]将得到的有效特征进行归一化处理后输入卷积神经网络模型，进行分类辨识。
[0010]在一种实施方式中，所述故障相电流包括：电缆半周波早期故障、多周波早期故障、电动机投切、负荷投切、电容器投切和固定阻抗接地6种电缆运行状态下的故障相电流。
[0011]在一种实施方式中，所述时域特征包括有量纲特征和无量纲特征；所述频域特征包括重心频率、频率标准差；所述时频域特征通过提取故障相电流自适应S变换后模时频矩阵的奇异熵得到。
[0012]优选的，所述自适应S变换包括：
[0013]任一时序数据x(t)的S变换可以定义为：
[0014][0015]式中，为窗函数，对应的标准差为σ(f)＝1/|f|；
[0016]引入自适应S变换后，其窗函数标准差定义为：
[0017][0018]式中，a、b、c、f均为调节参数，通过调节参数控制窗函数标准差，进而控制S变换的时频分辨率，窗函数定义为：
[0019][0020]对应的自适应S变换对应为：
[0021][0022]优选的，所述奇异熵为：
[0023][0024]其中，SE为奇异熵，n为S变换后模时频矩阵的奇异值数量。
[0025]在一种实施方式中，所述累计贡献率表示为：
[0026][0027]在一种实施方式中，所述主成分分析前，还包括对提取到的多域特征进行KMO和Bartlett因子相关性检验，根据检验结果判断初始特征是否适合主成分分析。
[0028]在一种实施方式中，所述将得到的有效特征进行归一化处理后输入卷积神经网络模型，具体包括：
[0029]初始化卷积神经网络的参数；
[0030]初始化完成后，将有效特征归一化处理后根据比例划分训练集和测试集；
[0031]将训练集输入到卷积神经网络中进行模型训练，更新模型参数；
[0032]训练完成后，将测试集数据输入模型进行验证。
[0033]在一种实施方式中，所述初始化卷积神经网络的参数包括：网络深度和每层神经元个数、卷积核大小和尺寸、初始学习率和迭代次数。
[0034]相较于现有技术，本专利技术有益效果：
[0035]1.本专利技术通过电缆与架空线混合的配电网仿真模型、早期故障和暂态扰动的故障相电流多域特征提取、高维特征的主成分降维，有利于提取有效特征，同时针对早期故障和
暂态扰动的辨识检测，提出相应网络模型，实现有效特征的分类，完成早期故障的辨识，提高电缆运行的可靠稳定性。
[0036]2.本专利技术通过计算电缆不同状态的故障相电流时域特征、频域特征和时频域特征获取多域初始特征，并且针对S变换在时频分析时存在窗函数固定的局限性，将自适应S变换引入到时频域特征提取中。
[0037]3.本专利技术通过主成分分析初始特征，对数据进行降维处理，减少信息冗余，简化数据结构，避免维数灾难，通过主成分的累计贡献率选取恰当的主成分特征，可以在不影响特征有效性的前提下，实现高维特征的简化，获得可靠特征。
[0038]4.本专利技术具有较好的灵敏性和可靠性，选取故障相电流的时域、频域和时频域多域特征可以更为完整的表征电缆运行状态的全部信息，利用主成分分析对多域特征进行数据降维得到有效特征，可以减少信息冗余，提高后续辨识效率，同时对有效特征进行分类，可以有效快速从扰动中辨识出早期故障，具有较高的可靠性，并且降维处理后的特征分类辨识具有更好的有效性和准确性。
附图说明
[0039]附图作为本专利技术的一部分，用来提供对本专利技术的进一步的理解，本专利技术的示意性实施例及其说明用于解释本专利技术，但不构成对本专利技术的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
[0040]图1为本专利技术提供的故障辨识方法流程示意图；
[0041]图2为本专利技术提供的故障辨识方法具体实施流程图；
[0042]图3为配电网仿真模型简化封装图(图中Bus表示母线，灰色方模块表示电缆，白色方模块表示架空线，三角形表示负荷模块)；
[0043]图4为多周波电弧故障电气特征波形图；
[0044]图5为主成分分析因子载荷热力图；
[0045]图6为多种特征的分类辨识结果对比图。
[0046]需要说明的是，这些附图和文字描述并不旨在以任何方式限制本专利技术的构思范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。
具体实施方式
[0047]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0048]以下结合附图对本专利技术的技术方案做进一步的详细说明：
[0049]本专利技术在考虑实际现场中故障时间或故障位置随机的特点，分析不同中性点接地方式下电压电流特征，提出基于自适应S变换与主成分降维的配电网电缆早期故障辨识方法，对早期故障和暂态扰动进行分类并实现保护电缆的目的。该方法用于电缆早期故障辨识和电网安本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应与主成分降维的配电网电缆早期故障辨识方法，其特征在于：所述方法用于电缆早期故障辨识和电网安全运行，具体方法包括：获取电缆早期运行状态下的故障相电流；提取故障相电流的多域特征，所述多域特征包括：时域特征、频域特征及时频域特征；通过主成分分析法对故障相电流的多域特征进行特征降维，并根据成分累计贡献率大小排序得到有效特征；将得到的有效特征进行归一化处理后输入卷积神经网络模型，进行分类辨识。2.根据权利要求1所述的基于自适应与主成分降维的配电网电缆早期故障辨识方法，其特征在于：所述故障相电流包括：电缆半周波早期故障、多周波早期故障、电动机投切、负荷投切、电容器投切和固定阻抗接地6种电缆运行状态下的故障相电流。3.根据权利要求1所述的基于自适应与主成分降维的配电网电缆早期故障辨识方法，其特征在于：所述时域特征包括有量纲特征和无量纲特征；所述频域特征包括重心频率、频率标准差；所述时频域特征通过提取故障相电流自适应S变换后模时频矩阵的奇异熵得到。4.根据权利要求3所述的基于自适应与主成分降维的配电网电缆早期故障辨识方法，其特征在于：所述自适应S变换包括：任一时序数据x(t)的S变换可以定义为：式中，为窗函数，对应的标准差为σ(f)＝1/|f|；引入自适应S变换后，其窗函数标准差定义为：式中，a、b、c、f均为调节参数，通过调节参数控制窗函数标准差，进而控制S变换的时频分辨率，窗函数定义为：对应的自适应S变换对应为：式中，σ为标准差，τ为时延。...

【专利技术属性】
技术研发人员：任孝峰，蔺华，高海龙，郭胤，张潇，滕松，张传驰，鹿世勇，梁睿，彭楠，迟鹏，
申请(专利权)人：国网江苏省电力有限公司徐州供电分公司，
类型：发明
国别省市：