[發明專利]一種基于融合神經網絡模型的電網故障辨識方法及系統

在審

• 申請號: 202110502213.4
• 申請日: 2021-05-08
• 公開（公告）號: CN113159345A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 劉幸蔚;范士雄;衛澤晨;張風彬;齊曉琳;楊楠;韓昳;黃宇鵬;邱成建;齊洋洋;李章文;宋旭日;周德生;杜炤鑫;葉洪波;肖飛;王治華;陳宏福;胡友琳;李立新;李勁松;狄方春;於益軍;劉升;門德月
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網上海市電力公司
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q10/06;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 齊書田

本發明公開一種基于融合神經網絡模型的電網故障辨識方法及系統，所述方法，包括：獲取待故障辨識電網線路中若干表征電網運行狀態的電力參數作為特征值并進行預處理；將預處理后的特征值輸入預先建立的融合神經網絡模型，獲得待故障辨識電網線路的故障概率。本發明針對電網故障辨識易受到信號傳輸噪音的影響，提出本發明提供一種基于融合神經網絡模型的電網故障辨識方法及系統，利用人工智能的優勢，充分發揮電網運行大數據的作用，挖掘運行數據與故障特征之間的關聯關系，通過多維信息對電網進行綜合診斷，可有效降低信號傳輸噪音或誤差對故障辨識準確率的影響，提高電網運行的安全性。

技術領域

本發明屬于電網運行與控制技術領域，具體涉及一種考慮量測及信號傳輸裝置噪音情況下的電網故障辨識方法及系統。

背景技術

電網通常運行于安全穩定狀態，同時也不斷經受著各種類型的擾動。當電網發生較大擾動時，容易引發電網故障，故障處理不當將會引起巨大的且無法逆轉的經濟社會損失，甚至傷及生命。因此，對電網故障的及時發現與處理顯得尤為重要。傳統的故障告警裝置，通過分析電網的接線方式、與斷路器的連接關系，判斷斷路器的狀態和動作情況，對故障進行判斷分析。

電網發生故障時，大量的故障信息會涌入調度控制中心，由于信號傳輸噪音的影響，容易產生故障情況的誤判。導致故障處理不及時妥當，引發更嚴重的連鎖故障，進而造成巨大損失。

發明內容

本發明的目的在于提供一種基于融合神經網絡模型的電網故障辨識方法及系統，以解決現有技術中電網發生故障時，大量的故障信息會涌入調度控制中心，由于信號傳輸噪音的影響，易產生故障情況誤判的技術問題。

為了實現上述目的，本發明采用如下技術方案：

第一方面，本發明提供一種基于融合神經網絡模型的電網故障辨識方法，包括：

獲取待故障辨識電網線路中若干表征電網運行狀態的電力參數作為特征值并進行預處理；

將預處理后的特征值輸入預先獲得的融合神經網絡模型，獲得待故障辨識電網線路的故障概率；

其中，所述融合神經網絡模型融合了一維卷積神經網絡以及LSTM神經網絡；所述融合神經網絡模型通過對電網的故障運行數據進行學習獲得。

本發明進一步的改進在于：所述獲取待故障辨識電網線路的特征值并進行預處理的步驟中，所述待故障辨識電網線路為具有拓撲結構的電網線路。

本發明進一步的改進在于：所述獲取待故障辨識電網線路的特征值并進行預處理的步驟中，具體包括：

采用樹搜索方式對拓撲結構的待故障辨識電網線路進行節點編號；

所述特征值包括線路首端電壓幅值、線路末端電壓幅值、線路首端注入功率、線路末端注入功率、線路有功和線路無功中至少三個；

其中，線路首端為節點編號最小的一端，線路末端為節點編號最大的一端。

本發明進一步的改進在于：所述獲取待故障辨識電網線路的特征值并進行預處理的步驟中，線路有功P_ij計算方法為：

線路無功Q_ij計算方法為：

其中，U_i為線路首端電壓幅值，U_j為線路末端電壓幅值，B_ij為線路電納，G_ij為線路電導，y_ij0為對地導納，θ_ij為首末端節點電壓相角差。