[發明專利]一種基于KNN的配網接地故障原因識別方法

有效

• 申請號: 201810824588.0
• 申請日: 2018-07-25
• 公開（公告）號: CN108983042B
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 楊帆;沈煜;金鑫;梁永亮;楊志淳;薛永端;周志強;雷楊;康兵
• 申請（專利權）人: 國網湖北省電力有限公司電力科學研究院;國家電網有限公司;中國石油大學（華東）
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 武漢楚天專利事務所 42113
• 代理人: 孔敏

1.一種基于KNN的小電流接地故障原因識別方法，其特征在于：通過試驗或有對應巡線結果的現場真實故障錄波數據提取表征不同故障原因的自恢復性、過渡時間、零休時間、畸變程度、隨機程度5項特征參量，形成特征樣本庫；當故障發生時，提取并輸入實際故障波形的上述特征，基于該特征樣本庫采用KNN算法查找輸入波形的所屬類別，識別其對應的故障原因；具體包括以下步驟：

步驟1：通過人工模擬接地試驗或現場實際故障收集故障零序電流波形數據；

步驟2：將步驟1中得到的零序電流波形數據，分別提取表征不同小電流接地故障原因的自恢復性、過渡時間、零休時間、畸變程度、隨機程度5項特征參量，建立小電流接地故障原因的特征樣本庫T；

步驟3：當故障發生時，獲取錄波裝置采集的接地故障零序電流波形數據；

步驟4：將步驟3的得到的故障零序電流波形數據，提取其自恢復性、過渡時間、零休時間、畸變程度、隨機程度5項特征參量，作為輸入參量x；

步驟5：找出輸入參量x與特征樣本庫T中距離最相近的k個樣本點；

步驟6：根據多數投票的原則確定輸入參量x所屬類別y，則y即為輸入故障波形對應的原因；

步驟2中的特征樣本庫T為：

T＝{(x₁,y₁),(x₂,y₂)…,(x_N,y_N)}

公式中，N為樣本集中樣本點的個數；x_i為第i個樣本點的n維特征向量，其中Rⁿ表示n維特征向量，n為特征參量的個數；y_i為x_i對應的類別標簽，y_i∈Y＝{c₁,c₂,…,c_i,…,c_K}，其中c_i為第i個原因類別，1≤i≤K，K為類別個數，所述5項特征參量分別為：

a.自恢復性

通過故障是否經過人工處理提取故障的自恢復性，若有標記為1，反之為0；

b.過渡時間

定義從故障出現到故障進入穩定階段的這一過程為過渡階段，為統計方便，過渡時間可用過渡階段的周期數來表示；

c.零休時間

接地電弧穩定燃燒期間，零序電流每周期存在2次零休過程，其時間分別為T_k和T′_k，為降低外部環境帶來波形異?；兊挠绊?，可認為零休時間T_zero是電流穩態階段的N個周期即2N次零休過程的時間均值，即：

公式中，k表示穩態階段的第k周期，T_k和T′_k分別為第k周期的2次零休時間，N為周期數；

d.畸變程度

波形的畸變程度用總諧波畸變率(Total Harmonics Distortion，THD)表示，即：

公式中，h為諧波次數；I(h)為h次諧波電流的有效值；I(1)為基波電流的有效值；M為所考慮的諧波最高次數；

e.隨機程度

采用穩態階段P個周期電流波形畸變程度的標準偏差描述波形畸變的隨機程度，即：

公式中，μ表示P個周期波形畸變程度的對數值的均值，即lg(THD)的均值，其中THD_k為第k周期波形的總諧波畸變率。

2.如權利要求1所述的一種基于KNN的小電流接地故障原因識別方法，其特征在于：所述步驟5找出輸入參量x與特征樣本庫T中距離最相近的k個樣本點具體為：

a.計算輸入參量x與樣本集T中所有樣本點T(i),i＝1,2,…,N的歐式距離d_xT(i)，即：

公式中，i表示第i個樣本點，j表示第j個特征參量；

b.對d_xT(i)進行排序，取前k個d_xT(i)對應的T(i)即為與x最相近的k個樣本點，并將這k個樣本點所表示的集合記為N_k(x)。

3.如權利要求1所述的一種基于KNN的小電流接地故障原因識別方法，其特征在于：所述步驟6根據多數投票的原則確定輸入參量x所屬類別y，則y即為輸入故障波形對應的原因具體為：

根據多數投票的原則確定輸入參量x的所屬類別y：

公式中，c_j表示N_k(x)中第j個樣本點x_j的類別標簽；y_i表示所有的類別標簽，K為類別個數；I為指示函數，則類別y即為輸入故障波形對應的原因類別。