[發(fā)明專利]基于全相位深度學(xué)習(xí)的低壓配電系統(tǒng)串聯(lián)故障電弧識別法

有效

• 申請?zhí)枺?/td>: 201910739837.0
• 申請日: 2019-08-12
• 公開（公告）號: CN110376497B
• 公開（公告）日: 2022-05-13
• 發(fā)明（設(shè)計）人: 冷繼偉;陳烜;段衛(wèi)平;杜剛;肖屏
• 申請（專利權(quán)）人: 國網(wǎng)四川電力服務(wù)有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 李朝虎

本發(fā)明公開了基于全相位深度學(xué)習(xí)的低壓配電系統(tǒng)串聯(lián)故障電弧識別法，解決了現(xiàn)有的低壓配電網(wǎng)故障中，針對串聯(lián)故障電弧的識別方法易受噪聲、頻譜泄漏干擾，影響識別效果，識別效率不高，且穩(wěn)定性不高的問題。本發(fā)明方法包括：在低壓交流系統(tǒng)下，對低壓回路中的不同負(fù)載進(jìn)行電流信號采集；對采集到的電流信號進(jìn)行全相位離散傅里葉變換，進(jìn)行負(fù)載的全相位頻譜特征量提取，并構(gòu)建全相位頻譜特征向量；構(gòu)建基于Logistic回歸的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，通過對不同負(fù)載、不同運(yùn)行狀態(tài)下的全相位頻譜特征量進(jìn)行深度學(xué)習(xí)訓(xùn)練，直到該模型收斂為止；利用訓(xùn)練好的模型完成對不同負(fù)載種類的甄別及是否發(fā)生串聯(lián)故障電弧的識別。

技術(shù)領(lǐng)域

本發(fā)明涉及低壓配電系統(tǒng)串聯(lián)故障電弧識別技術(shù)領(lǐng)域，具體涉及基于全相位深度學(xué)習(xí)的低壓配電系統(tǒng)串聯(lián)故障電弧識別法。

背景技術(shù)

低壓配電系統(tǒng)中，由于線路或設(shè)備的絕緣老化、破裂或電氣接觸不良時，常常伴隨故障電弧，進(jìn)而引發(fā)火災(zāi)隱患。低壓故障電弧分為并聯(lián)故障電弧和串聯(lián)故障電弧，并聯(lián)故障電弧是由配網(wǎng)線路間發(fā)生短路故障引起，短路電流較大，保護(hù)裝置能夠正確識別并動作。串聯(lián)故障電弧由線路發(fā)生接觸不良或斷線而引起，其故障電流值為5～30A，無法滿足保護(hù)裝置的靈敏性要求。實際低壓配電網(wǎng)故障中，最難識別的也是串聯(lián)故障電弧。

對串聯(lián)故障電弧的檢測方法，目前可以分為三類：①基于Cassie電弧模型的仿真電路；②利用電弧發(fā)生時產(chǎn)生的光、熱、聲音等物理特征判斷；③分析串聯(lián)電弧發(fā)生時的電流、電壓信號，運(yùn)用數(shù)學(xué)方法識別故障電弧。第③種方法由于適應(yīng)范圍廣，可靠性高，主要集中在對電流和電壓信號的時頻特征分析和特征向量的數(shù)學(xué)分析等。其中，時域特征分析是利用電流、電壓波形的變化率、突變的波形斜率值、“零休”時間等特征來識別串聯(lián)故障電弧，缺點是環(huán)境噪聲的影響或采樣數(shù)據(jù)的污染都會使時域指標(biāo)產(chǎn)生較大的誤差，干擾判斷結(jié)果。頻域特征分析是利用信號在頻域上的頻譜特征、諧波和間諧波含量來判斷是否發(fā)生串聯(lián)故障電弧，缺點是易受頻譜泄漏的影響，干擾判定結(jié)果。特征向量的數(shù)學(xué)分析方法包括自回歸參數(shù)模型、分形維數(shù)和支持向量機(jī)、小波變換和奇異值分解等，原理及檢測流程較復(fù)雜，實際檢測中穩(wěn)定性不高，不能較好的運(yùn)用到工程實際中。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是：現(xiàn)有的低壓配電網(wǎng)故障中，針對串聯(lián)故障電弧的識別方法易受噪聲、頻譜泄漏干擾，影響識別效果，識別效率不高，且穩(wěn)定性不高的問題，本發(fā)明提供了解決上述問題的基于全相位深度學(xué)習(xí)的低壓配電系統(tǒng)串聯(lián)故障電弧識別法。

本發(fā)明通過下述技術(shù)方案實現(xiàn)：

基于全相位深度學(xué)習(xí)的低壓配電系統(tǒng)串聯(lián)故障電弧識別法，該方法包括：

在低壓交流系統(tǒng)下，對低壓回路中的不同負(fù)載進(jìn)行電流信號采集；

對采集到的電流信號進(jìn)行全相位離散傅里葉變換，進(jìn)行負(fù)載的全相位頻譜特征量提取，并構(gòu)建全相位頻譜特征向量；

利用建成的全相位頻譜特征向量，構(gòu)建基于Logistic回歸的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，通過對不同負(fù)載、不同運(yùn)行狀態(tài)下的全相位頻譜特征量進(jìn)行深度學(xué)習(xí)訓(xùn)練，直到該模型收斂為止；

利用學(xué)習(xí)訓(xùn)練完成的基于Logistic回歸的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，對待識別的分段負(fù)載電流波形進(jìn)行全相位譜分析測量，完成對不同負(fù)載種類的甄別及是否發(fā)生串聯(lián)故障電弧的識別，根據(jù)該模型輸出它將各負(fù)載按種類、正常運(yùn)行或故障電弧狀態(tài)進(jìn)行編號，且其中u≠v，u、v＝0，1，…，47，表示識別出負(fù)載的種類編號為round(u+1)/2，運(yùn)行狀態(tài)為正常電弧，u為偶數(shù)；或者運(yùn)行狀態(tài)為故障電弧，u為奇數(shù)；其中round()表示取四舍五入。