【技术实现步骤摘要】
本专利技术涉及一种基于一维卷积神经网络的单相接地故障区段定位方法。
技术介绍
1、配电网是电力系统的重要组成部分，除了负责电能的输送与分配，还肩负着保障用户用电体验、维护电网安全和稳定运行，以及支持国家经济发展的重要任务，所以如何实现配电网安全稳定运行一直是人们的关注焦点。配电网拥有众多分支线路，接线复杂，常由架空线和电缆混合构成，相较于输电网，配电网线路故障发生率更高，其中单相接地故障占80％。若不及时隔离故障，线路绝缘将会被破环，从而演变为更严重的故障，甚至引发系统崩溃。同时，谐振接地系统在发生单相接地故障时，由于中性点消弧线圈的补偿作用，导致流经故障点的故障电流微弱，故障特征不容易被检测，对故障定位带来了较大的困难。因此，研究谐振接地系统单相接地故障测距技术具有重要意义。
2、目前，传统的谐振接地系统单相接地故障测距方法主要依赖于人工经验和阈值设定，通常通过对电流、电压信号的简单特征分析来判断故障状态，虽然也出现了一些基于机器学习的故障定位方法出现，但这些方法都存在一些不足之处。这些方法存在的问题主要有：(1)仅分析单一信号特征，难以全面刻画非线性和非平稳信号的复杂特性，导致故障特征提取不充分；(2)参数阈值的选定高度依赖人工经验，缺乏自动化调整能力，无法适应不同场景和复杂工况；(3)基于机器学习的方法通常需要大量样本和较高的计算成本来进行建模，这成为此类方法的瓶颈。
3、所以针对现有技术的不足之处，有必要设计出一种新的方法来满足实际的使用需求。
技术实现思路p>
1、专利技术目的：为了充分表征谐振接地系统单相接地故障的故障区段和健全区段之间的差异，实现单相接地故障的精准定位，本专利技术提出了一种基于一维卷积神经网络的谐振接地系统单相接地故障测距方法。
2、为实现上述目的，本专利技术采用的技术方案为：
3、一种基于一维卷积神经网络的谐振接地系统单相接地故障测距方法，包括如下步骤：
4、(1)使用数字故障指示器(digital fault indicator,以下简称dfi)将系统线路分段，实时采集线路各段dfi测量的暂态零序电流信号；
5、(2)对采集的原始零序电流信号进行归一化处理后，通过拼接线路段首尾的归一化零序电流，构建初步特征波形。提取初步特征波形的前半周期，构建反映故障段与正常段差异的最终特征波形；
6、(3)将故障条件下的特征波形输入到已训练的一维卷积神经网络中，通过softmax分类器对故障段进行智能分类，实现单相接地故障的精确定位。
7、具体地，步骤(1)中的数据获取为：
8、综合分支、长度和负荷的三个指标，将线路划分为多个逻辑区段，出于实际可行性和安装成本的考虑，只为故障概率较高及包含重要负荷的线路段安装足够的dfi。在每个选定区段的起点和终点安装dfi设备，监测对应区段的暂态零序电流信号。对于长线路或故障频发区域，在线路中间适当增加dfi以缩短分段长度。各dfi通过通信单元实时采集暂态零序电流信号，并将信号传输到控制中心。当故障发生在线路末端时，引入虚拟检测节点(vdn)。沿线第一个dfi测量到的信号被反向处理，并被视为vdn的测量数据。
9、采集的第j段线路段两端的原始暂态零序电流信号xj和yj，其中xj＝[x1,x2,...,xn]，yj＝[y1,y2,...,yn]表示未归一化的零序电流数据。
10、具体地，步骤(1)中的线路分段为：
11、按分支划分基于配电线路的拓扑结构，将主干线与分支线分开管理。每个分支应是独立监测的单元，以便故障定位时能够快速锁定故障区段。
12、按线路长度划分综合考虑保护动作范围和dfi监测能力，长线路应按固定间隔划分为若干区段，以保证检测的覆盖率和精度。若需要调整某区段长度，调整后每段长度li满足：
13、lmin≤li≤lmax
14、其中，lmin和lmax分别为每段的最小和最大允许长度。
15、按负荷划分综合考虑负荷分布和负荷重要性。在线路分段中，高负荷区域的监测需求优先于低负荷区域，高负荷区域应缩短分段长度，低负荷区域可适当延长分段长度。根据负荷的重要性和分布情况动态调整分段长度，确保高负荷区域的分段更精细。
16、定义第i区段综合权重后的负荷密度为：
17、
18、其中，ρi为第i区段综合权重后的负荷密度，pij为第i区段第j个负荷，σij为第i区段第j个负荷的权重，li为第i区段的长度，n为区段数。
19、根据负荷密度分布，调整分段长度，使每段负荷尽量均匀，满足：
20、
21、其中，ρavg为全线路的平均负荷密度。
22、具体地，步骤(2)中所述的特征波形提取为：
23、对测得的瞬态零序电流进行归一化处理，对零序电流信号进行归一化处理：
24、
25、其中，xj*和yj*分别为第j区段两端的归一化零序电流，xj和yj分别为第j区段两端的原始零序电流。
26、将归一化后的零序电流信号xj*和yj*按段拼接，构造初步特征波形：
27、
28、提取初步特征波形的前半周期，构造反映故障段与正常段差异的最终特征波形；
29、具体地，步骤(3)中所述的设计并训练一维卷积神经网络为：
30、1-d cnn的结构包括输入层、卷积层、池化层、全连接层和输出层共五层。
31、在卷积层中，卷积操作的具体方程为：
32、
33、其中，l表示网络层数，k是卷积核，b是偏置，表示第l卷积层的输出，是第l-1层的输入，mj是输入特征集合，f是激活函数。
34、在池化层中，平均池化操作的具体方程为：
35、
36、其中，a和b分别为权重和偏置，k和t分别为池化矩阵的维度。
37、在全连接层中，前一层的输出特征按列向量逐一展开并堆叠形成单列特征向量，然后通过以下公式映射：
38、yk＝f(ωk·x+bk)
39、其中，yk是全连接层的输出，ωk和bk分别是权重和偏置。
40、使用各种故障条件下的历史数据对1-d cnn进行训练，得到最优的卷积核参数，使得网络能更好的提取输入数据的局部特征。
41、具体地，步骤(3)中所述的单相接地故障的精确定位为：
42、当单相接地故障发生时，dfi会以6.4khz的采样率测量故障信号。零序电流的前半周期将被处理以构建特征波形，这些特征波形作为已训练1-dcnn的输入，用于定位故障区段。
43、将步骤(2)生成的特征向量输入到输入层中，经过卷积层、池化层和全连接层，并将输出输入一个两向softmax函数，该函数作为分类器，用于生成故障区段定位的分类结果：
44、
45、u0_ij、u1_ij分别表示dfii和dfi本文档来自技高网...
【技术保护点】
1.一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于：包括以下步骤：
2.根据权利要求1中所述的一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于，所述步骤(1)中具体为：
3.根据权利要求2中所述的线路分段方法，其特征在于，所述线路分段原则为：
4.根据权利要求3中所述的线路分段方法，其特征在于，
5.根据权利要求1中所述的一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于，所述步骤(2)具体为：
6.根据权利要求5中所述的一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于，
7.据根据权利要求1中所述的一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于，所述步骤(3)中具体为：
8.一种电子设备，其特征在于：包括一个或多个处理器，用于储存一个或多个程序，当所述的一个或多个程序被所述的一个或多个处理器执行，使得一个或多个处理器执行权利要求1到7中任一项所述的基于一维卷积神经网络的单相接地故障区段定位方法。
9.一种存储介质
...【技术特征摘要】
1.一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于：包括以下步骤：
2.根据权利要求1中所述的一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于，所述步骤(1)中具体为：
3.根据权利要求2中所述的线路分段方法，其特征在于，所述线路分段原则为：
4.根据权利要求3中所述的线路分段方法，其特征在于，
5.根据权利要求1中所述的一种基于一维卷积神经网络的单相接地故障区段定位方法，其特征在于，所述步骤(2)具体为：
6.根据权利要求5中所述的一种基于一维卷积神经网络的单相接地故障区段定位方法，...
【专利技术属性】
技术研发人员：王虎，葛萱，王秀茹，黄靖淇，姜杰，苗霁，武晨晨，兰英，许虎，
申请(专利权)人：国网江苏省电力有限公司宿迁供电分公司，
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。