[發明專利]基于多特征分析的配電網工況智能識別方法

有效

• 申請號: 201710381487.6
• 申請日: 2017-05-25
• 公開（公告）號: CN107340456B
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 龔方亮;唐海國;冷華;朱吉然;范敏;韓琪;陳歡;劉亞玲
• 申請（專利權）人: 國家電網有限公司;國網湖南省電力有限公司;國網湖南省電力有限公司電力科學研究院
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 43114 長沙市融智專利事務所(普通合伙)
• 代理人: 顏勇<國際申請>=<國際公布>=<進入國

1.一種基于多特征分析的配電網工況智能識別方法，其特征在于，包括以下步驟:

1)通過配電網的在線錄波系統，當線路發生故障時觸發三相同步錄波，獲得A、B、C三相電流錄波信號和零序電流信號；

2)采用多特征提取方法提取信號特征：

2-1)提取時域特征

在時域范圍內，對于由在線錄波系統采集到的電流信號提取如下：

周期最大值I_max：I_max,p(i)＝max(I_p,i(j))

周期最小值I_min： I_min,p(i)＝min(I_p,i(j))

周期均值I_mean：

周期方差I_var：

周期均方差I_rms：

最大均方差I_mar：I_mar,p＝max(I_rms,p(i))

最小均方差I_mir：I_mir,p＝min(I_rms,p(i))

均方根之差最大值I_mard：I_mard,p＝max(I_rms,p(2)-I_rms,p(1),...,I_rms,p(i+1)-I_rms,p(i))

三相不平衡度IDUB：

其中，I_p,i是檢測器采集到的電流信號，表示A、B、C三相，p代表A、B、C、Z四相，i代表錄波信號的周期序列，j代表每個周期中的采樣點序號，N為采樣點個數；

2-2)提取頻域特征

在頻域范圍，針對故障發生后穩態信號的直流和二次諧波分量，采用的是錄波信號的i～(i+m)個周期數據進行離散傅里葉變換分析；以一個周期電流信號為例，使用傅里葉級數展開，得到二次諧波的頻域變換結果：

式中I_p,i是檢測器采集到的電流信號，p代表A、B、C、Z四相，i為電流信號的周期序列，N為采樣點個數，n為第n個采樣點，j為虛部表示符；

提取如下特征量：

直流分量含量I_dp：

二次諧波分量I_2x：

二次諧波分量含量I_2xp：

2-3)基于小波變換的特征提取方法分析暫態信號

運用小波變換提取配電網饋線異常運行發生時刻的暫態信號；將原始暫態信號分解到J個不同尺度上進行分析，提取出多個頻段的低頻和高頻分量；

2-3-1)將采集到的異常信號進行分解，提取異常工況信號的高頻分量特征：

其中A_J(k)為k時刻信號經J階小波分解重構得到的低頻分量系數，D_i(k)為第i階高頻分量系數；為統一表達式，用D_J+1(k)代替A_J(k)，將表達式轉換為

異常工況信號的高頻分量特征為Df_p(i)，統計對象為異常信號出現前后半個周期的高頻分量系數絕對值之和，表示為

2-3-2)提取小波能量熵和小波奇異熵

小波能量熵和小波奇異熵用來表示在異常工況發生的時段內，信號能量在不同頻段分布的混亂程度；

將小波的能量熵WEE定義如下式：

其中p_i＝E_i/E定義在不同尺度i時間k上的信號能譜，E_i(k)＝|D_i(k)|²,為尺度i上所有時刻的能量和，近似為信號的總能量；

將小波變換重構后的系數D_i(k)構成一個(J+1)×M的矩陣D_(J+1)×M，將矩陣進行奇異值分解，能夠得到J+1個非負的奇異值σ_i，則小波奇異熵WAE定義如下：

3)將按照步驟2)提取的特征數據集合進行樹型聚類，采用決策樹的形式建立多分類識別流程；

4)多分類識別流程中的分類器采用三層ANN模型構建；

5)多分類識別模型經過訓練與測試后，誤差控制在許可閾值范圍內，即可提供給在線錄波系統進行配電網的多工況識別。