【技术实现步骤摘要】
本专利技术涉及变电站的线路故障诊断技术，特别涉及基于自适应迭代特征参数库的变电站短路故障诊断方法。
技术介绍
1、随着工业自动化程度的提高，变电站接入设备日益复杂。变电站发生故障后，调度中心会收到多种故障告警。因此，通过故障诊断方法确定故障类型并上报给调度人员，然后调度中心根据信息分配运维人员修复故障，恢复系统正常运行。
2、变电站常见故障包括线路故障、母线故障以及变压器故障几类，线路故障包括短路故障和断路故障，其中又以短路故障发生概率最高。线路连接站中设备，时刻影响全站稳定性，严重时会造成系统崩溃。因此，变电站线路短路故障诊断对维护全站安全运行具有重要意义。
3、传统短路故障诊断方法依赖于继电保护装置和差动保护，通常基于预设电流门槛值。检测电流超过门槛值就会触发保护动作，隔离故障线路。然而，这些方法在面对日益复杂的电网结构时，可能会存在误动作或延迟动作的问题。随着信号处理技术的发展，基于故障特征提取的诊断方法广泛应用。通过分析故障电流、电压等波形，利用傅里叶变换、小波变换等技术提取故障特征以实现对短路故障的准确诊断。但傅里叶变换在非线性信号的特征提取上有缺陷；小波变换基函数和分解尺度需人为选定。
4、近年来，人工智能在变电站线路短路故障诊断中的应用日益广泛。例如，支持向量机、决策树、神经网络等算法，可以根据历史故障数据训练模型，实现故障诊断。这些方法在提高诊断准确率的同时还可以适应复杂故障场景。但这些方法也存在局限性：支持向量机需要时间调整参数；决策树容易忽略数据间关联性；神经网络需要大量数
技术实现思路
1、专利技术目的：针对以上问题，本专利技术目的是提供基于自适应迭代特征参数库的变电站短路故障诊断方法。
2、技术方案：本专利技术的基于自适应迭代特征参数库的变电站短路故障诊断方法，包括如下步骤：
3、步骤1：利用故障录波器采集变电站线路的故障信号，并对故障信号进行预处理；
4、步骤2：采用改进北方苍鹰算法优化变分模态分解中的惩罚因子和分解层数k，并利用优化后的变分模态分解将预处理后的故障信号分解为本征模态分量；
5、步骤3：计算本征模态分量与故障信号之间的相关系数，利用相关系数对故障信号进行去噪和重构；
6、步骤4：利用重构后故障信号的特征构建特征参数库，并对特征参数库进行自适应迭代更新，筛选出贡献率最高的特征；
7、步骤5：构建bilstm-attention网络模型并利用故障信号特征进行训练；其中bilstm-attention网络模型的输入项为故障信号的特征，输出项为变电站线路短路故障的发生概率；
8、步骤6：将贡献率最高的特征输入至训练之后的bilstm-attention网络模型，实现变电站线路短路故障的诊断。
9、进一步，在步骤2中，将最小包络熵函数值作为改进北方苍鹰算法的适应度函数，通过每次代入不同组合的惩罚因子和分解层数k对适应度值进行计算，当迭代次数达到最大时，保存全局最小适应度值以及对应的参数组合和k，将其作为优化后变分模态分解的相应参数值。
10、进一步，步骤2具体包括以下步骤：
11、步骤21：在搜索空间中随机初始化北方苍鹰种群，种群矩阵如下：
12、，
13、其中， x i表示第 i只北方苍鹰的位置， n为北方苍鹰的种群数量， m为求解的维度， x ij为第 i只北方苍鹰在第 j维的原始位置；
14、优化过程包括勘探阶段和追捕阶段：
15、步骤22：勘探阶段
16、北方苍鹰在第一阶段随机选择猎物并进行攻击，然后在全局搜索下找出最优解所在区域；
17、勘探阶段数学模型为：
18、，
19、，
20、，
21、式中，为第只猎物的位置，为第只北方苍鹰在第维中的新位置，为第只北方苍鹰在第维的原始位置，为第只北方苍鹰在第维猎物位置信息，为第只北方苍鹰更新后的位置信息，为第只北方苍鹰搜寻到猎物的函数值，表示当前阶段最优函数值，代表当前阶段目标函数值，是[1,]中不等于的随机自然数，为[0,1]内随机数，随机取值1或2；
22、步骤23：追捕阶段
23、勘探结束后，北方苍鹰以r为追捕半径追击猎物进行局部搜索，同时引入随机因子对原始追捕半径更新公式进行优化；
24、追捕行为的数学模型为：
25、，
26、，
27、，
28、式中，为当前迭代次数，t为最大迭代次数，为该阶段第只鹰的目标函数值，为第只鹰更新后的位置信息，为第只鹰在第维的新位置信息， β为的随机因子；
29、通过全局搜索与局部搜索相结合更新变分模态分解参数，确定所有目标函数以及当前最优参数组合，然后进入下一次迭代，直到达到最大迭代次数时停止迭代，获得整个迭代过程中最优目标函数值对应的最优参数组合，作为变分模态分解的最优解。
30、进一步，步骤3中相关系数的计算表达式为：
31、，
32、式中，表示第个imf分量的相关系数，表示原始故障信号，为均值，表示分解得到的模态分量，为均值，表示数学期望；
33、根据相关系数计算imf分量与原始故障信号间的标准阈值，计算表达式为：
34、，
35、比较相关系数与标准阈值之间的大小关系，舍弃对应的imf分量，利用保留的imf分量组成矩阵，将矩阵作为重构故障信号。
36、进一步，步骤4中故障信号的特征包括电压的峰峰值、方差、峭度、奇异值熵、能量和能量熵，选择任一特征构成基础特征参数库，然后进行迭代，在每次进行迭代时随机选择任一剩余特征加入至特征参数库，并通过主成分分析的方法计算当前特征参数库中主成分的贡献率，当迭代结束时，筛选出贡献率最高对应的特征作为故障信号特征。
37、进一步，步骤5中的bilstm-attention网络模型由bilstm和attention机制组成，bilstm由遗忘门、输入门和输出门三个门控函数调节单元状态；
38、遗忘门对时刻故障信号特征信息选择性过滤并保留到时刻进行计算，数学模型为：
39、，
40、式中，表示sigmoid函数，表示输入层输入，表示时刻输出状态，表示当前时刻，表示遗忘门权重系数矩阵，表示遗忘门偏差向量，、和分别为输入门输出、tanh函数输出和单元输出本文档来自技高网...
【技术保护点】
1.基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，在步骤2中，将最小包络熵函数值作为改进北方苍鹰算法的适应度函数，通过每次代入不同组合的惩罚因子和分解层数K对适应度值进行计算，当迭代次数达到最大时，保存全局最小适应度值以及对应的参数组合和K，将其作为优化后变分模态分解的相应参数值。
3.根据权利要求2所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，步骤2具体包括以下步骤：
4.根据权利要求1所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，步骤3中相关系数的计算表达式为：
5.根据权利要求4所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，步骤4中故障信号的特征包括电压的峰峰值、方差、峭度、奇异值熵、能量和能量熵，选择任一特征构成基础特征参数库，然后进行迭代，在每次进行迭代时随机选择任一剩余特征加入至特征参数库，并通过主成分分析的方法计算当前特征参数库中主成分的
6.根据权利要求1所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，步骤5中的BiLSTM-Attention网络模型由BiLSTM和Attention机制组成，BiLSTM由遗忘门、输入门和输出门三个门控函数调节单元状态；
...【技术特征摘要】
1.基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，在步骤2中，将最小包络熵函数值作为改进北方苍鹰算法的适应度函数，通过每次代入不同组合的惩罚因子和分解层数k对适应度值进行计算，当迭代次数达到最大时，保存全局最小适应度值以及对应的参数组合和k，将其作为优化后变分模态分解的相应参数值。
3.根据权利要求2所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，步骤2具体包括以下步骤：
4.根据权利要求1所述的基于自适应迭代特征参数库的变电站短路故障诊断方法，其特征在于，步骤3中相关系数的计算...
【专利技术属性】
技术研发人员：季宁，陈曦，秦雪，孛一凡，赵悦莹，江晨璐，魏蔚，张梦梦，陈雪明，刘旻超，
申请(专利权)人：国网江苏省电力有限公司技能培训中心，
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。