[發明專利]基于深度置信網絡的配電網故障識別方法

在審

• 申請號: 201811044386.0
• 申請日: 2018-09-07
• 公開（公告）號: CN109239527A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 洪翠;付宇澤;郭謀發;高偉
• 申請（專利權）人: 福州大學
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

本發明涉及一種基于深度置信網絡的配電網故障識別方法，包括以下步驟：步驟S1:采集故障工況下主變低壓母線三相電壓、零序電壓、主變低壓側三相電流的信號波形數據；步驟S2：分別對主變低壓母線三相電壓和零序電壓、主變低壓側三相電流的信號波形數據進行預處理，得到預處理后的波形數據；步驟S3:構建4個深度置信網絡模型，對每個受限波爾茲曼機進行無監督訓練,并利用誤差反向傳播原則微調所有層的參數，得到已訓練的深度置信網絡模型；步驟S4:將預處理后的波形數據輸入至4個已訓練的深度置信網絡模型；并根據4個已訓練的深度置信網絡模型輸出結果進行組合，并與預先設定的故障類型標簽進行對照，完成配電網的故障識別。

技術領域

本發明涉及配電網領域，具體涉一種基于深度置信網絡的配電網故障識別方法。

背景技術

配電網一旦發生故障，就會造成社會生產的巨大損失，給人們的生活帶來極大的不便。但配電網發生故障在所難免，據統計，80％以上的故障起因于配電網。配電網故障類型種類繁多，主要有瞬時性故障和永久性故障，瞬間性故障均可利用重合閘實現故障的消除，從而恢復線路供電；但永久性故障不能自動恢復，其故障診斷策略一般是：檢測出故障發生后，對故障類型進行識別，然后對故障區段進行快速準確的定位，選出故障線路，以人工維修的方式恢復。其中故障定位方法需根據不同的故障類型進行選擇，尋找一種高效可靠的故障分類方法對準確的故障定位，快速修復故障線路，維持配電網安全運行以及提高供電可靠性具有重要的意義。

目前，故障分類方法的基本步驟是：獲取故障暫態電氣量并進行信號分解，結合數學方法進行特征提取、選擇，并選擇合適的模式識別方法進行故障分類。但基于此步驟的方法，所涉及的信號分解、提取特征量及模式識別方法，故障特征量都需要人工提取，易受人為因素干擾且需耗費大量時間，增加了結果的不確定性。深度置信網絡可從原始輸入數據中自動提取分類所需關鍵特征量，無需人工預先構造，更具智能性且適應性更強，在電力系統分類識別問題中有良好的應用前景。

發明內容

有鑒于此，本發明的目的在于提供一種基于深度置信網絡的配電網故障識別方法，以克服現有技術需要人工提取數據，易受人為因素干擾且需耗費大量時間，增加了結果的不確定性的問題。

為實現上述目的，本發明采用如下技術方案：

一種基于深度置信網絡的配電網故障識別方法，包括以下步驟：

步驟S1:采集故障工況下主變低壓母線三相電壓、零序電壓、主變低壓側三相電流的信號波形數據；

步驟S2：分別對主變低壓母線三相電壓和零序電壓、主變低壓側三相電流的信號波形數據進行預處理，得到預處理后的波形數據；

步驟S3:構建4個深度置信網絡模型，對每個受限波爾茲曼機進行無監督訓練,并利用誤差反向傳播原則微調所有層的參數，得到已訓練的深度置信網絡模型；

步驟S4:將預處理后的波形數據輸入至4個已訓練的深度置信網絡模型；并根據4個已訓練的深度置信網絡模型輸出結果進行組合，并與預先設定的故障類型標簽進行對照，完成配電網的故障識別。

進一步的，所述步驟S1具體為：

步驟S11:建立一輻射式中壓配電網模型；

步驟S12:根據輻射式中壓配電網模型獲取故障工況發生前后各1個工頻周波的三相電壓、零序電壓、三相電流信號波形。

進一步的，所述步驟S2分別對對主變低壓母線三相電壓和零序電壓、主變低壓側三相電流的信號波形數據進行min-max標準化處理；

min-max標準化是對原始數據的線性變換，使結果值映射到[0，1]之間，轉換函數如下：

進一步的，所述深度置信網絡采用4層結構模型，模型由2個RBM和一個神經網絡構成。