一种直流配电网故障定位方法及装置制造方法及图纸

本公开的实施例提供了一种直流配电网故障定位方法及装置，其中，所述方法包括：获取线模电流数据；基于改进ReliefF算法对所述线模电流数据进行最优特征子集选择，得到最优特征子集，并生成特征对应的权重；根据所述最优特征子集和所述权重进行处理，得到加权随机森林算法的故障定位模型；采集当前的线模电流数据，将所述当前的线模电流数据输入到所述加权随机森林算法的故障定位模型中，输出当前故障位置，改进后的ReliefF模型对线模电流数据进行最优特征子集选择，降低输入故障定位模型中的特征维度并剔除冗余特征，从而减少算法的计算时间，提升模型精度。提升模型精度。提升模型精度。

【技术实现步骤摘要】
一种直流配电网故障定位方法及装置


[0001]本公开涉及故障定位领域，尤其涉及电路故障定位
，具体涉及提供一种直流配电网故障定位方法及装置。

技术介绍

[0002]直流配电系统的拓扑结构包括辐射形、手拉手形和环形，环形直流系统具有多个端口，拓扑结构及故障保护策略相对较为复杂，且光伏和风电新能源的接入增加了多样性。
[0003]单极接地故障过程最终进入电压恢复阶段，直流侧电压逐渐恢复正常，非故障极线路承担直流系统短时单极运行，由于故障特性不明显，故障的精准定位难度增加。
[0004]在电路故障定位中，通用的做法是利用万用表、示波器设备对电路进行检测分析才能确定故障，存在故障定位不精准的问题。

技术实现思路

[0005]本公开提供了一种直流配电网故障定位方法及装置。
[0006]根据本公开的第一方面，提供了一种直流配电网故障定位方法及装置。该方法包括：
[0007]获取线模电流数据；
[0008]基于改进ReliefF算法对所述线模电流数据进行处理，得到最优特征子集，并生成特征对应的权重；
[0009]根据所述最优特征子集和所述权重进行训练，得到加权随机森林算法的故障定位模型；
[0010]采集当前的线模电流数据，将所述当前的线模电流数据输入到所述加权随机森林算法的故障定位模型中，输出当前故障位置。
[0011]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对所述线模电流数据进行标注，生成训练数据集。
[0012]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取线模电流数据还包括对所述线模电流数据进行预处理；其中，
[0013]对所述线模电流数据进行第一预设数量的时域特征提取和第二预设数量的频域特征提取，生成多重特征参数表；
[0014]利用皮尔逊相关系数消除所述多重特征参数表中的冗余特征。
[0015]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用皮尔逊相关系数消除所述多重特征参数表中的冗余特征，包括：
[0016]计算所述多重特征参数表中各特征两两之间的皮尔逊相关系数，并生成对应的p
‑
value；
[0017]若所述p
‑
value大于等于预设阈值，则所述p
‑
value对应的两个特征之间无显著相关性；
[0018]若所述p
‑
value小于所述预设阈值，则所述p
‑
value对应的两个特征之间有显著相关性；
[0019]消除所述多重特征参数表中有显著相关性的冗余特征。
[0020]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述基于改进ReliefF算法对所述线模电流数据进行处理，得到最优特征子集，并生成特征对应的权重，包括：
[0021]根据消除冗余特征后的多重特征参数表中的特征元素数量确定限定系数，将所述限定系数与所述特征元素数量的乘积作为抽样次数；
[0022]基于改进ReliefF算法，根据所述消除冗余特征后的多重特征参数表中的特征元素和所述抽样次数进行权重迭代；
[0023]将迭代后生成的特征对应的权重取平均值作为最终权重；
[0024]将所述最终权重排名靠前的特征向量构成最优特征子集。
[0025]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述最优特征子集和所述权重进行训练，得到加权随机森林算法的故障定位模型，包括：
[0026]将所述最优特征子集中的特征值与特征对应的所述权重相乘，得到相乘结果，所述相乘结果为所述加权随机森林算法的权重系数；
[0027]根据所述最优特征子集和所述加权随机森林算法的权重系数进行训练，得到加权随机森林算法的故障定位模型。
[0028]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述最优特征子集和所述权重进行训练，得到加权随机森林算法的故障定位模型，还包括：
[0029]利用循环语句查找所述加权随机森林算法的故障定位模型拟合优度最高的属性个数和决策树总棵数的值。
[0030]根据本公开的第二方面，提供了一种直流配电网故障定位装置。该装置包括：
[0031]获取模块，用于获取线模电流数据；
[0032]处理模块，用于基于改进ReliefF算法对所述线模电流数据进行处理，得到最优特征子集，并生成特征对应的权重；
[0033]训练模块，用于根据所述最优特征子集和所述权重进行训练，得到加权随机森林算法的故障定位模型；
[0034]输出模块，用于采集当前的线模电流数据，将所述当前的线模电流数据输入到所述加权随机森林算法的故障定位模型中，输出当前故障位置。
[0035]根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
[0036]根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面和/或第二发面的方法。
[0037]应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
[0038]结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
[0039]图1示出了根据本公开的实施例的一种直流配电网故障定位方法的流程图；
[0040]图2示出了根据本公开的实施例的一种直流配电网故障定位装置的框图；
[0041]图3示出了根据本公开的实施例的另一种直流配电网故障定位方法的流程图；
[0042]图4示出了根据本公开的实施例的六端直流配电系统拓扑图；
[0043]图5示出了根据本公开的实施例的VSC直流侧线路发生单极接地故障时的等效电路图；
[0044]图6示出了根据本公开的实施例的改进ReliefF算法选择最优特征子集方法的流程图；
[0045]图7示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
[0046]为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
[0047]另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种直流配电网故障定位方法，包括：获取线模电流数据；基于改进ReliefF算法对所述线模电流数据进行处理，得到最优特征子集，并生成特征对应的权重；根据所述最优特征子集和所述权重进行训练，得到加权随机森林算法的故障定位模型；采集当前的线模电流数据，将所述当前的线模电流数据输入到所述加权随机森林算法的故障定位模型中，输出当前故障位置。2.根据权利要求1所述的方法，其特征在于，对所述线模电流数据进行标注，生成训练数据集。3.根据权利要求1所述的方法，其特征在于，所述获取线模电流数据还包括对所述线模电流数据进行预处理；其中，对所述线模电流数据进行第一预设数量的时域特征提取和第二预设数量的频域特征提取，生成多重特征参数表；利用皮尔逊相关系数消除所述多重特征参数表中的冗余特征。4.根据权利要求3所述的方法，其特征在于，所述利用皮尔逊相关系数消除所述多重特征参数表中的冗余特征，包括：计算所述多重特征参数表中各特征两两之间的皮尔逊相关系数，并生成对应的p
‑
value；若所述p
‑
value大于等于预设阈值，则所述p
‑
value对应的两个特征之间无显著相关性；若所述p
‑
value小于所述预设阈值，则所述p
‑
value对应的两个特征之间有显著相关性；消除所述多重特征参数表中有显著相关性的冗余特征。5.根据权利要求1所述的方法，其特征在于，所述基于改进ReliefF算法对所述线模电流数据进行处理，得到最优特征子集，并生成特征对应的权重，包括：根据消除冗余特征后的多重特征参数表中的特征元素数量确定限定系数，将所述限定系数与所述特征元素数量的乘积作为抽样次数；基于改进ReliefF算法，根据所述消除冗余特征后的多重...

【专利技术属性】
技术研发人员：马天祥，段昕，李丹，罗蓬，胡紫琪，徐岩，王若琳，
申请(专利权)人：国家电网有限公司华北电力大学保定国网河北能源技术服务有限公司，
类型：发明
国别省市：