[發(fā)明專利]基于多特征分析的配電網(wǎng)工況智能識別方法

有效

• 申請?zhí)枺?/td>: 201710381487.6
• 申請日: 2017-05-25
• 公開（公告）號: CN107340456B
• 公開（公告）日: 2019-12-03
• 發(fā)明（設(shè)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(quán)）人: 國家電網(wǎng)有限公司;國網(wǎng)湖南省電力有限公司;國網(wǎng)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(wù)所(普通合伙)
• 代理人: 顏勇<國際申請>=<國際公布>=<進入國

本發(fā)明公開一種基于多特征分析的配電網(wǎng)工況智能識別方法，通過配電網(wǎng)在線錄波系統(tǒng)對配電網(wǎng)饋線的異常運行工況進行數(shù)據(jù)采集，應(yīng)用多種特征提取方法，包括時域、頻域及小波變換的信號特征提取方法，提取大量信號特征，如電流暫態(tài)穩(wěn)態(tài)特征等；通過訓練具有自適應(yīng)學習特性的人工神經(jīng)網(wǎng)絡(luò)(ANN)模型來進行每一類異常工況識別，并建立形如決策樹的分類識別流程，實現(xiàn)配電網(wǎng)的多工況有效識別。

技術(shù)領(lǐng)域

本發(fā)明涉及配電網(wǎng)運行工況的異常狀態(tài)識別領(lǐng)域。

背景技術(shù)

配電網(wǎng)是電力系統(tǒng)中的重要部分，是保證供電質(zhì)量及電網(wǎng)高效運行的關(guān)鍵環(huán)節(jié)。為保障配電網(wǎng)高度智能化運行，需要對饋線運行數(shù)據(jù)進行實時監(jiān)控、異常情況及時預(yù)警及故障快速發(fā)現(xiàn)處理，其中對饋線異常工況的識別是智能配電網(wǎng)的重要功能。造成配電網(wǎng)饋線運行異常的原因很多，如相間短路，單相接地，勵磁涌流等等。

傳統(tǒng)的配電網(wǎng)饋線運行異常類型識別大多是基于設(shè)置閾值，依據(jù)單一因素的某種邏輯關(guān)系來實現(xiàn)的。這種識別模式簡單，難以考慮異常工況下獲取的饋線電壓、電流信號，還受系統(tǒng)運行方式、故障位置、過渡阻抗和故障時刻等多種隨機因素，故存在一定的缺陷。而對于電流瞬間小幅變化，特征量變化不明顯的工況，如單相大電阻瞬時接地等，至目前為止，配備故障指示器和故障選線技術(shù)的配電系統(tǒng)仍無法實現(xiàn)對這些工況的監(jiān)測和識別。

發(fā)明內(nèi)容

本發(fā)明的目的是提出一種基于多特征分析的配電網(wǎng)工況智能識別方法，通過配電網(wǎng)在線錄波系統(tǒng)對配電網(wǎng)饋線的異常運行工況進行數(shù)據(jù)采集，應(yīng)用多種特征提取方法，包括時域、頻域及小波變換的信號特征提取方法，提取大量信號特征，如電流暫態(tài)穩(wěn)態(tài)特征等；通過訓練具有自適應(yīng)學習特性的人工神經(jīng)網(wǎng)絡(luò)(ANN)模型來進行每一類異常工況識別，并建立形如決策樹的分類識別流程，實現(xiàn)配電網(wǎng)的多工況有效識別。

為實現(xiàn)本發(fā)明目的而采用的技術(shù)方案是這樣的，一種基于多特征分析的配電網(wǎng)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(wǎng)的在線錄波系統(tǒng)，當線路發(fā)生故障時觸發(fā)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(nèi)，對于由在線錄波系統(tǒng)采集到的電流信號提取如表1所示的各個特征量。

表1時域范圍內(nèi)提取的各個特征分量

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(shù)。

2-2)提取頻域特征

在頻域范圍，針對故障發(fā)生后穩(wěn)態(tài)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(shù)據(jù)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(shù)展開，得到二次諧波的頻域變換結(jié)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(shù)，n為第n個采樣點，j為虛部表示符。

依次提取如表2所示的特征量：直流分量含量I_dp、二次諧波分量I_2x和二次諧波分量含量I_2xp。

表2頻域范圍內(nèi)提取的各個特征分量

2-3)基于小波變換的特征提取方法分析暫態(tài)信號