【技术实现步骤摘要】
本专利技术涉及电力系统馈线自动化，具体为一种基于集中式馈线自动化的单相接地故障识别方法及系统。
技术介绍
1、基于构建新型电力系统的背景下，大量分布式电源(dg)接入馈线，馈线供电方式由集中供电转为分布式供电，推进馈线的绿色、经济转型。但dg的随机性与波动性导致馈线的不稳定因素增多，馈线的单相接地故障的发生率增加，且dg使微弱的故障特征信息变得多样化，故障边界愈加模糊，单相接地故障的准确识别变得更加困难，现有的有源馈线单相接地故障识别方法仍存在一定局限性。单相接地故障识别的实施依赖于馈线自动化技术。馈线自动化(feeder automation，fa)，即利用现代通信、控制和保护技术，对馈线进行自动化控制的技术体系，其主要应用于馈线的供电侧，实现对馈线的自动控制和保护，提高电网的可靠性、安全性和经济性。
2、目前，基于配电终端单元信息上传而识别单相接地故障的方法十分热门，该方法的实施依赖于集中式馈线自动化。集中式馈线自动化基于通信网络，以集中控制为核心，综合多种控制模式如电流保护、配电终端遥控、重合闸，完成单相接地故障的快速识别。因此，有必要提供一种基于集中式馈线自动化的单相接地故障识别方案。
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：本专利技术是解决大量分布式电源(dg)的随机性与波动性导致馈线的不稳定因素增多，馈线的单相接地故障的发生率增加，且dg使微弱的故障特征信息变得多样化，故障边界愈加模糊，单相
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术提供了一种基于集中式馈线自动化的单相接地故障识别方法，包括：
5、获取故障电量信号，根据断路器的分闸情况进行第一判断，若判断为永久性故障，则对所述故障电量信号进行小波包分解，得到每一电量信号的特征频带，对所述特征频带进行排序，得到节点的特征矩阵，对节点的特征矩阵进行排序，得到馈线的特征矩阵；
6、对所述馈线的特征矩阵进行像素规范化，得到灰度图像，利用热金属编码对所述灰度图像进行色彩增强，得到彩色的故障图像；
7、将所述故障图像输入卷积神经网络模型进行图像识别，得到故障图像标签，根据所述故障图像标签进行第二判断，得到故障类型和故障相。
8、作为本专利技术所述的基于集中式馈线自动化的单相接地故障识别方法的一种优选方案，其中：馈线的特征矩阵包括：
9、故障电量信号包括三相电压、三相电流和零序电流；
10、将每一电量信号的特征频带按照频率进行排序，得到电量信号的特征矩阵；
11、将每一电量信号的特征矩阵按照零序电流、a相电压、a相电流、b相电压、b相电流、c相电压、c相电流的顺序进行排序，得到节点的特征矩阵；
12、将每一节点的特征矩阵根据节点远离馈线首端的程度进行排序，若分支线的节点排在末尾，则还是按照节点远离分支线首端的程度进行排序，得到馈线的特征矩阵。
13、作为本专利技术所述的基于集中式馈线自动化的单相接地故障识别方法的一种优选方案，其中：对所述馈线的特征矩阵进行像素规范化包括：
14、通过识别特征矩阵中每一行的最大值和最小值；
15、根据特征值和所在行的最值之间的比例，使用线性缩放将每个特征值映射到设定的映射范围内；
16、根据线性缩放的结果，得到图像的像素值；
17、将像素值进行归一化，得到灰度图像。
18、作为本专利技术所述的基于集中式馈线自动化的单相接地故障识别方法的一种优选方案，其中：利用热金属编码对所述灰度图像进行色彩增强包括：
19、设定的映射范围为0～xi，设像素值的范围为nj＝n1，n2…，nj，其中i，j为自然数。
20、红变换函数表示为：
21、
22、绿变换函数表示为：
23、
24、蓝变换函数表示为：
25、
26、其中，f(x,y)为像素点(x,y)位置上的像素值，x与y为像素点在矩阵或图像上的位置信息。
27、作为本专利技术所述的基于集中式馈线自动化的单相接地故障识别方法的一种优选方案，其中：将所述故障图像输入卷积神经网络模型进行图像识别包括：
28、将故障图像调整为统一大小，输入到预训练的resnet18模型中，根据分类任务的类别数，修改resnet18模型的最后一层的输出维度；
29、选择resnet18模型的部分层参数冻结，训练未冻结的层参数，得到第一resnet18模型；
30、将故障图像输入第一resnet18模型进行前向传播和反向传播计算，第一resnet18模型输出特征向量；
31、从第一resnet18模型输出的特征向量中，得到概率值最大的向量对应的类别索引，得到故障图像的类别。
32、作为本专利技术所述的基于集中式馈线自动化的单相接地故障识别方法的一种优选方案，其中：resnet18模型包括：
33、在预训练前设置卷积神经网络resnet18模型的输出层神经元数量与故障类型总数相同。
34、作为本专利技术所述的基于集中式馈线自动化的单相接地故障识别方法的一种优选方案，其中：根据所述故障图像标签进行第二判断包括：
35、若故障图像标签为单相永久接地故障，则配电主站根据故障图像标签得到故障相和故障位置，并发送合闸命令至该馈线首端断路器和分段开关，断路器和分段开关合闸，馈线恢复正常运行。
36、第二方面，本专利技术提供了一种基于集中式馈线自动化的单相接地故障识别的系统，包括：
37、数据整合模块，用于获取故障电量信号，根据断路器的分闸情况进行第一判断，若判断为永久性故障，则对所述故障电量信号进行小波包分解，得到每一电量信号的特征频带，对所述特征频带进行排序，得到节点的特征矩阵，对节点的特征矩阵进行排序，得到馈线的特征矩阵；
38、色彩增强模块，用于对所述馈线的特征矩阵进行像素规范化，得到灰度图像，利用热金属编码对所述灰度图像进行色彩增强，得到彩色的故障图像；
39、判断模块，用于将所述故障图像输入卷积神经网络模型进行图像识别，得到故障图像标签，根据所述故障图像标签进行第二判断，得到故障类型和故障相。
40、第三方面，本专利技术提供了一种计算设备，包括：
41、存储器和处理器；
42、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于集中式馈线自动化的单相接地故障识别方法的步骤。
43、第四方面，本专利技术提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于集中式馈线自动化的单相接地故障识别方法的步骤。
44、本专利技术的有益效果本文档来自技高网...
【技术保护点】
1.一种基于集中式馈线自动化的单相接地故障识别方法，其特征在于，包括：
2.如权利要求1所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，馈线的特征矩阵包括：
3.如权利要求2所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，对所述馈线的特征矩阵进行像素规范化包括：
4.如权利要求3所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，利用热金属编码对所述灰度图像进行色彩增强包括：
5.如权利要求4所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，将所述故障图像输入卷积神经网络模型进行图像识别包括：
6.如权利要求1或5所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，ResNet18模型包括：
7.如权利要求6所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，根据所述故障图像标签进行第二判断包括：
8.一种基于集中式馈线自动化的单相接地故障识别方法的系统，其特征在于，包括：
9.一种电子设备，其特征在于，所述设备包括：
<...【技术特征摘要】
1.一种基于集中式馈线自动化的单相接地故障识别方法，其特征在于，包括：
2.如权利要求1所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，馈线的特征矩阵包括：
3.如权利要求2所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，对所述馈线的特征矩阵进行像素规范化包括：
4.如权利要求3所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，利用热金属编码对所述灰度图像进行色彩增强包括：
5.如权利要求4所述基于集中式馈线自动化的单相接地故障识别方法，其特征在于，将所述故障图像输入卷积神经网络模...
【专利技术属性】
技术研发人员：俞小勇，李克文，陈绍南，欧世锋，廖鹉嘉，周宏瑞，陈千懿，张龙飞，秦丽文，覃宗涛，颜丽娟，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。