[發明專利]一種基于Softmax回歸的配電網暫態過程故障分類方法及系統

在審

• 申請號: 202010185409.0
• 申請日: 2020-03-17
• 公開（公告）號: CN111368933A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 張超;董新華;陳子健;侯良霄;劉兆棟;宋娜;吳旋旋;張術鵬;孫泉;張國超;杜曉光;劉夢瑤;王懷宇
• 申請（專利權）人: 山東科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06;H02J3/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

1.一種基于Softmax回歸的配電網暫態過程故障分類方法，其特征在于，包括：

獲取配電網中歷史故障節點的三相電流，構建訓練數據集；

將所述訓練數據集中三相電流分解為正序分量、負序分量和零序分量；根據正序分量、負序分量和零序分量的幅度和相位定義分類變量，并將分類變量作為輸入數據訓練Softmax回歸模型；

獲取配電網發生故障時，處于暫態過程的故障數據，利用訓練后的Softmax回歸模型對所述故障數據進行故障類別的分類。

2.如權利要求1所述的一種基于Softmax回歸的配電網暫態過程故障分類方法，其特征在于，所述正序分量、負序分量和零序分量的關系為：

其中，0、1、2表示對稱分量的順序號，A、B、C表示相位坐標的相位，表示對于序列m∈{0,1,2}和總線n∈{I，II}的A相的序分量電流，a是變量，表示配電網中三相電流的相量形式。

3.如權利要求1所述的一種基于Softmax回歸的配電網暫態過程故障分類方法，其特征在于，所述分類變量包括4個變量，即α、β、γ和δ：

其中，0、1、2表示對稱分量的順序號，A表示相位坐標的相位，表示對于序列m∈{0,1,2}和總線n∈{I，II}的A相的序分量電流。

4.如權利要求1所述的一種基于Softmax回歸的配電網暫態過程故障分類方法，其特征在于，所述訓練Softmax回歸模型，以分類變量作為輸入，最小化Softmax回歸模型的損失函數，優化Softmax回歸模型參數向量θ，所述參數向量θ用于輸出輸入樣本屬于故障類的概率。

5.如權利要求4所述的一種基于Softmax回歸的配電網暫態過程故障分類方法，其特征在于，所述Softmax回歸模型的損失函數為：

其中，θ是參數向量，1{·}是指標函數，M是訓練樣本的數據集個數，m是第m個樣本，j是故障類別，y_m是輸出樣本對應的故障類別，x_m是輸入樣本。

6.如權利要求1所述的一種基于Softmax回歸的配電網暫態過程故障分類方法，其特征在于，將對所述故障數據計算得到的分類變量輸入訓練后的Softmax回歸模型中，得到的概率值最大的故障類即為該故障數據所屬的故障類別；

或，在Softmax回歸模型中添加時間窗口，選取時間窗口中概率值最大的故障類作為分類結果。

7.如權利要求1所述的一種基于Softmax回歸的配電網暫態過程故障分類方法，其特征在于，所述故障數據屬于故障類別j的概率為：

其中，θ是參數向量，j是故障類別，y_m是輸出樣本對應的故障類別，x_m是輸入樣本；

或，所述故障類別包括無故障、單相接地故障、兩相接地故障、兩相短路故障和三相短路故障。

8.一種基于Softmax回歸的配電網暫態過程故障分類系統，其特征在于，包括：

樣本數據構建模塊，被配置為獲取配電網中歷史故障節點的三相電流，構建訓練數據集；

回歸模型構建模塊，被配置為將所述訓練數據集中三相電流分解為正序分量、負序分量和零序分量；根據正序分量、負序分量和零序分量的幅度和相位定義分類變量，并將分類變量作為輸入數據訓練Softmax回歸模型；

故障分類模塊，被配置為獲取配電網發生故障時，處于暫態過程的故障數據，利用訓練后的Softmax回歸模型對所述故障數據進行故障類別的分類。

9.一種電子設備，其特征在于，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成權利要求1-7任一項方法所述的步驟。

10.一種計算機可讀存儲介質，其特征在于，用于存儲計算機指令，所述計算機指令被處理器執行時，完成權利要求1-7任一項方法所述的步驟。