[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

本發明提供一種基于KNN的配網接地故障原因識別方法，通過人工接地試驗或現場實際故障錄波獲取不同故障原因的零序電流波形數據，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，計算輸入波形的上述特征，采用KNN算法查找其所屬原因類別。本發明一方面可通過在故障巡查前聚焦故障原因，從而制定有針對性的巡查方案，大幅提升故障查找效率，減少停電損失；另一方面可準確掌握某一供區配電網故障原因分布規律，制定隱患治理及故障防范措施，促進配電網運維管理精益化水平的提升；且隨著故障樣本及特征數量的增加，特征樣本庫將更加完善，識別成功率更高。

技術領域

本發明涉及配電網接地故障診斷領域，具體是一種基于KNN的配網接地故障原因識別方法。

背景技術

暫態錄波型配電終端、接地選線裝置獲取的故障錄波數據，記錄了故障發生時刻前后線路上的暫、穩態電氣量變化信息，對其進行深入分析，挖掘表征故障原因的特征參量，建立關聯關系，是實現故障成因辨識的關鍵。其意義在于：一方面可通過在故障巡查前聚焦故障原因，從而制定有針對性的巡查方案，大幅提升故障查找效率，減少停電損失；另一方面可準確掌握某一供區配電網故障原因分布規律，制定隱患治理及故障防范措施，促進配電網運維管理精益化水平的提升。

與配電網接地故障選線選段相比，接地故障原因識別的研究尚處于起步階段。以往研究主要面向故障的非電氣量特征，如對雷擊、樹障等故障致因的歷史發生時間、地理位置、天氣條件等時空特征進行分析，尋找故障特征與致因之間的聯系，以評估故障的發生概率并提出相應的預防措施，但尚未聚焦于故障電氣量特征于致因間的關聯特性，難以回溯本源，受不同地區地理、氣象環境等因素的影響顯著。近年來，隨著配網自動化系統的大規模建設與應用，故障信息的獲取手段日益豐富，基于故障電弧電壓幅值、電流衰減系數、相平面聚類等特征信息，綜合故障電氣量與非電氣量特征進行故障原因識別的研究有了一定進展，但在辨識過程中采用的特征數量有限，在一定程度上限制了辨識的準確性。

發明內容

為解決現有技術存在的上述不足，本發明提出一種基于KNN的小電流接地故障原因識別方法，通過人工接地試驗或有對應巡線結果的現場真實故障的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。

本發明采用如下技術方案：

一種基于KNN的配網接地故障原因識別方法，包括以下步驟：

步驟1：通過人工接地試驗或有對應巡線結果的真實故障錄波數據獲取不同原因配網接地故障的零序電流波形數據；

步驟2：將步驟1中得到的零序電流錄波數據，分別提取表征不同配網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(一般取歐氏距離)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。

進一步的，所述步驟中的特征樣本庫T為：

T＝{(x₁,y₁),(x₂,y₂)…,(x_N,y_N)}