【技术实现步骤摘要】
本专利技术涉及漏电流故障监测，具体为一种漏电流故障监测及漏电点的分段定位方法。
技术介绍
1、目前，电力系统中存在多种接地方式，主要包括中性点直接接地系统、中性点经消弧线圈接地系统(谐振接地系统)、中性点经电阻接地系统以及中性点不接地系统等。这些接地系统在实际运行中可能存在以下故障问题：
2、漏电故障：在接地系统中，由于绝缘老化、外力破坏、设备缺陷等原因，可能导致线路对地绝缘性能下降，从而产生漏电故障。
3、接地故障：接地系统的接地电阻过大或接地线老化，可能导致接地故障，影响系统的安全运行。
4、谐振过电压：在谐振接地系统中，由于线路参数的变化，可能产生谐振过电压，对系统设备造成损害。
5、间歇性电弧：在接地故障中，可能产生间歇性电弧，导致故障难以快速定位和消除。
6、目前，针对接地系统的漏电流监测及漏电点分段定位，主要采用以下方法：
7、基于电流互感器的监测方法：通过在系统中安装电流互感器来监测漏电流，但这种方法受限于互感器的精度和响应速度。
8、故障指示器法：在馈线上安装故障指示器，当发生漏电故障时，指示器能够显示故障位置，但受环境因素影响较大，且定位精度有限。
9、分布式光纤传感器法：利用分布式光纤传感器监测漏电流，具有较高的精度，但成本较高，且安装维护复杂。
10、基于信号处理的方法：通过对漏电流信号进行处理分析，如傅里叶变换、小波变换等，以实现故障检测和定位，但算法复杂度高，实时性较差。
11、现有的
技术实现思路
1、本专利技术的目的在于提供一种漏电流故障监测及漏电点的分段定位方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种漏电流故障监测及漏电点的分段定位方法，包括监测方法和分段定位方法，其特征在于：监测方法包括以下步骤：
3、数据采集：
4、采样点布置：在每条线路的首端、末端及关键分支点布置采样设备，采集零序电流的暂态数据；
5、数据去噪：使用小波变换或自适应滤波器进行噪声抑制，得到纯净的零序电流信号；
6、itd分解：将非平稳信号分解为多个固有旋转分量和单调趋势分量；
7、信号分解公式：对输入信号x(t)进行分解：
8、x(t)＝prci(t))+rtc(t)
9、基线提取：提取信号的基线分量；
10、递归分解：迭代提取旋转分量；
11、停止条件：当残余分量rtc(t)的所有极值点消失时，停止迭代；
12、特征提取：
13、提取零序电流旋转分量：提取每条线路的第一个旋转分量，用于计算相似度；
14、构建特征矩阵：根据余弦相似度计算结果，构建特征矩阵s；
15、故障特征分类：采用特征矩阵s作为输入，对每段线路进行故障识别；
16、数据归一化：对矩阵s的每一列归一化处理；
17、
18、特征标注：每段特征矩阵s[i]的标签为故障区段号；
19、调参建议：增益控制参数k
20、k＝0.5：适用于大多数非线性信号；
21、k＝0.3或k＝0.7：在信号剧烈波动时调整；
22、分段定位方法包括以下步骤：
23、利用卷积深度置信网络对故障特征进行分类，实现故障分段定位，cdbn通过多层卷积受限玻尔兹曼机提取故障特征，逐层优化特征表征，最后输出故障分段分类结果；
24、cdbn由多个卷积受限玻尔兹曼机(crbm)层组成，每层包含以下组件：
25、可见层：输入特征矩阵；
26、隐含层：学习局部特征；
27、池化层：降低计算复杂度；
28、crbm每层的能量函数定义为：
29、
30、cdbn构建过程如下：
31、输入数据：为itd分解得到的特征矩阵s，尺寸为n×m，其中n是样本数，m是特征维度；
32、网络层设计：第一层卷积：
33、卷积核大小：k1×k1
34、输出特征数：c1
35、卷积操作：
36、
37、池化层：使用p×p的池化窗口进行最大池化(max pooling)：
38、
39、逐层加深网络：
40、每层特征维度逐渐减小，最终输出为全连接层输入；
41、全连接层与分类：
42、全连接层：将最后一层的池化特征展平，通过一个全连接层；
43、算法求解步骤：
44、数据预处理：构建特征矩阵s，作为cdbn的输入；
45、数据归一化处理，确保每个特征值在[0,1]范围内；
46、
47、无监督预训练：每层crbm进行无监督训练，初始化权重和偏置：
48、随机初始化w,b,c；使用对比散度更新参数；
49、有监督微调：使用全连接层与目标标签进行有监督微调；
50、训练与验证：
51、训练集：用于训练cdbn，优化模型参数；
52、验证集：实时评估模型的性能，防止过拟合；
53、故障分段定位输入测试样本(特征矩阵stests_{
ext{test}}stest)，输出分类结果；
54、参数设置与调优：
55、卷积核大小：第一层k1＝3×3，第二层k2＝3×3；
56、池化窗口：p＝2，即2倍下采样；
57、学习率：初始值0.001，采用指数衰减策略；
58、数据集构建：数据生成
59、仿真平台：采用pscad/emtdc仿真生成故障数据；
60、配电网结构：系统为10kv配电网，包含4条馈线；
61、每条馈线包含多个区段，区段长度随机分布在2～3km之间；
62、数据划分的采样频率为10khz，特征矩阵：通过itd分解，提取每段零序电流的第一个旋转分量prc1。
63、优先的，数据采集的采样频率为10khz，捕捉到故障发生的瞬态特征。
64、优先的，采样数据范围为故障发生时刻前后的一个完整工频周期。
65、优先的，采样频率确保采样频率满足奈奎斯特采样定理。
66、优先的，使用反向传播算法更本文档来自技高网...
【技术保护点】
1.一种漏电流故障监测及漏电点的分段定位方法，包括监测方法和分段定位方法，其特征在于：监测方法包括以下步骤：
2.根据权利要求1所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：数据采集的采样频率为10kHz，捕捉到故障发生的瞬态特征。
3.根据权利要求2所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：采样数据范围为故障发生时刻前后的一个完整工频周期。
4.根据权利要求3所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：采样频率确保采样频率满足奈奎斯特采样定理。
5.根据权利要求4所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：使用反向传播算法更新全网络参数。
6.根据权利要求5所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：分类结果为故障分段的编号。
7.根据权利要求6所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：故障类型分为单相接地故障和故障点间隔。
8.根据权利要求7所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在
9.根据权利要求8所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：无监督预训练：每层CRBM进行50次对比散度优化。
10.根据权利要求9所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：有监督微调：全连接层与真实标签连接，进行反向传播优化。
...【技术特征摘要】
1.一种漏电流故障监测及漏电点的分段定位方法，包括监测方法和分段定位方法，其特征在于：监测方法包括以下步骤：
2.根据权利要求1所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：数据采集的采样频率为10khz，捕捉到故障发生的瞬态特征。
3.根据权利要求2所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：采样数据范围为故障发生时刻前后的一个完整工频周期。
4.根据权利要求3所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：采样频率确保采样频率满足奈奎斯特采样定理。
5.根据权利要求4所述的一种漏电流故障监测及漏电点的分段定位方法，其特征在于：使用反向传播算法更新全网络参数。
6.根据...
【专利技术属性】
技术研发人员：肖仁杰，罗时俊，李斌，曾松，曹志敏，赖家俊，彭健福，肖芳飞，
申请(专利权)人：国网江西省电力有限公司赣州供电分公司，
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。