【技术实现步骤摘要】
本专利技术涉及小电流单相接地故障选线，具体地说，涉及一种配电网中基于gru神经网络的小电流单相接地故障多判据融合的选线方法。
技术介绍
1、在我国，小电流接地系统广泛应用于配电网，以确保向电力用户持续供电。由于单相接地故障在小电流接地系统总的故障当中占的比率超过80％，快速选择故障线路并且切除故障则显得非常重要，故障选线问题需要从根本上予以解决。因此，研究准确度高、可靠性强的自动选线技术，快速准确定位单相接地故障线路，及时排除故障，对提高供电可靠性和电网自动化水平具有十分重要的现实意义。
2、传统的故障选线方法有信号注入法、零序电流群体比幅比相法、五次谐波法、首半波法、暂态能量法，以及基于人工智能的选线法。其中，信号注入法是指人为从故障相向系统注入一个特殊电流信号，通过跟踪该电流信号，进行故障选线；零序电流群体比幅比相法是利用稳态零序电流大小与相位在故障线路与正常线路中都存在差异进行选线；五次谐波法是基于故障线路和正常线路的五次谐波电流变化特征进行故障选线；首半波法是比较故障线路零序暂态电流最大值与正常线路零序暂态电流值，同时比较两者的首半波方向相反进行故障选线；暂态能量法根据零序能量函数的大小和方向对故障线路进行选线。
3、由于接地故障特性多变，传统方法中这些由单一判据进行选线的方法不可避免地存在误判概率较高，检测灵敏度不高的问题，故障选线的可靠性得不到保证。因此，获得多种不同故障特征进行故障选线的融合方法随之产生；例如有将暂态首半波选线方法与7次谐波选线方法相结合，采用小波变换的奇异性检测理论、零序电
4、鉴于此，针对上述提出的单一判据选线误判概率较高，检测灵敏度不高的问题，我们提出了一种基于gru神经网络的小电流单相接地故障多判据融合选线方法。
技术实现思路
1、本专利技术的目的在于提供一种基于gru神经网络的小电流单相接地故障多判据融合选线方法，以解决上述
技术介绍
中提出的问题，包括如下步骤：
2、s1、对每条线路的零序电流信号进行测量提取其稳态分量和暂态分量；
3、s2、利用傅里叶变换算法，从稳态分量中提取基波、5次谐波特征分量；
4、s3、利用“coif4”小波，对暂态分量进行3层小波包分解，提取小波能量特征分量；
5、s4、建立gru神经网络程序模型，并对其参数进行训练优化，以适应故障选线最优解；
6、s5、多判据融合选线方法：将三种故障特征分量数据作为输入量，写入优化后的gru神经网络模型中，迭代计算，获得最优解，并将预测结果与实际数据做比对，比较其误差。
7、作为本技术方案的进一步改进，所述s1中，对零序电流信号的测量提取其稳态分量和暂态分量的理论分析如下：
8、当线路lf的a相发生接地故障，系统的各电气参数不再平衡：a相接地处电压降为0，b、c两相对地相电压幅值均升高倍，产生零序电压
9、非故障线路li的零序电流为：
10、
11、故障线路lf的零序电流为：
12、
13、式中，为线路li的a、b、c三相对地电容电流，为线路lf的a、b、c三相对地电容电流，j为常量参数，ω为电网角频率，c0i为非故障线路的每一相对地电容，u0为中性点的位移电压，大小与故障前的相电压相等；
14、实际中，受消弧线圈感性分量的影响，系统产生感性电流il补偿了电容电流削弱了电容电流幅值，减少了接地电流if的幅值；此时的接地电流if为：
15、
16、由此得出，发生接地故障时产生零序电压和零序电流，且故障接地线路中的零序电流与正常运行时流向相反，幅值最大，在故障相产生接地电流；
17、在分析其暂态信号时，通常将模型等效为电路图，则由基尔霍夫定律kcl可得如下两个回路公式：
18、
19、式中，ic为电容电流暂态自由振荡分量，il为电感电流暂态直流分量；r0为零序回路中电阻的总和，具体包括电源电阻分量、线路电阻分量、接地电阻和弧道电阻；l0为电源及线路在零序回路中的等值电感，c为电网的三相对地电容，um为零序电源的电压幅值，大小等于故障前相电压的幅值；rl为消弧线圈的有功损耗电阻，l为消弧线圈的电感分量，t为时间，θ为三相向量夹角；
20、通过计算，可以得到故障接地电流的暂态分量ift是：
21、
22、式中，icm为电容电流的幅值；ilm为电感电流的幅值；ωf为暂态自振角频率；τc为自振衰减系数；τl为电感回路时间常数；
23、暂态分量为电容电流暂态自由振荡分量与电感电流暂态直流分量之和，由于ic和il在频率上互不相同，两个参量叠加后无法抵消，所以ic和il的相加促使暂态分量幅值的增大，接地电流也增大，故障特征更加明显，有利于故障特征的分析和提取。
24、作为本技术方案的进一步改进，所述s2中，提取基波、5次谐波特征分量具体提取过程和推导过程如下：
25、利用傅里叶变换可以将任何周期性的畸变波形分解成一个基频分量和许多个不同谐波频率的正弦波，其中，谐波频率是基频的整倍数，再通过频谱分析基波和各次谐波的幅值相位来描述波形畸变水平；
26、在实际中，小电流接地系统中存在的非线性负载是谐波的主要来源，使系统中产生畸变电流，其中以奇数次谐波含量较大；由于三次谐波电流会在变压器三角形一侧形成环流，含量很小可忽略，因此一般选择含量较大的五次谐波作为检测数据；
27、系统正常运行时，各条线路各相对地电容电流中的五次谐波分量为：
28、
29、式中，iai(5)、ibi(5)、ici(5)为正常电网系统中线路的a、b、c三相对地电容电流的五次谐波分量，ua(5)、ub(5)、uc(5)为正常电网系统中线路的a、b、c三相对地电压的五次谐波分量；
30、当系统发生单相接地故障时，设a相发生接地故障，非故障线路的各相五次谐波电容电流为：
31、
32、式中，i’a(5)、i’b(5)、i′c(5)为故障电网系统中线路的a、b、c三相对地电容电流的五次谐波分量，ub(5)、uc(5)为故障电网系统中线路的b、c两相对地电压的五次谐波分量；
33、非故障线路的零序电流中五次谐波分量为：
34、
35、其中故障相的电流为电感电流与电容电流的和，且故障前与故障后方向相反，故障线路的零序五次谐波电流为：
36、
37、式中，i′af(5)、i′bf(5)、i′cf(5)为故障电网系统中线路的a、b、c三相零序电流的五次谐波分量；
38、由以上分析可知，故障相五次谐波变化量大于非故障线路五次谐波电流的变化量；但由于接地线路的零序电流相位和幅值会随着消弧线圈补偿度不同本文档来自技高网...
【技术保护点】
1.一种基于GRU神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于GRU神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述S1中，对零序电流信号的测量提取其稳态分量和暂态分量的理论分析如下：
3.根据权利要求2所述的基于GRU神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述S2中，提取基波、5次谐波特征分量具体提取过程和推导过程如下：
4.根据权利要求3所述的基于GRU神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述S3中，利用“coif4”小波，对暂态分量进行3层小波包分解，提取小波能量特征分量的过程如下：
5.根据权利要求4所述的基于GRU神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述S4中，GRU预测模型中的zt和rt分别表示更新门和重置门；更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多；重置门用于控制前一状态有多少信息被写入到当前的候选集上，重置门越小
6.根据权利要求5所述的基于GRU神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述S4中，所述GRU神经网络优化训练的流程主要步骤如下：
7.根据权利要求6所述的基于GRU神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述S5中，基于GRU神经网络的小电流单相接地故障多判据融合选线方法，具体包括：
...【技术特征摘要】
1.一种基于gru神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于gru神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述s1中，对零序电流信号的测量提取其稳态分量和暂态分量的理论分析如下：
3.根据权利要求2所述的基于gru神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述s2中，提取基波、5次谐波特征分量具体提取过程和推导过程如下：
4.根据权利要求3所述的基于gru神经网络的小电流单相接地故障多判据融合选线方法，其特征在于，所述s3中，利用“coif4”小波，对暂态分量进行3层小波包分解，提取小波能量特征分量的过程如下：
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：陈勇，周庭栋，何永涛，王涛，解延毅，刘爱民，吴国兴，谭皓文，
申请(专利权)人：云南电网有限责任公司红河供电局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。