[發(fā)明專利]一種一級式配電網(wǎng)故障識別與定位方法及相關(guān)設(shè)備

在審

• 申請?zhí)枺?/td>: 202310400129.0
• 申請日: 2023-04-14
• 公開（公告）號: CN116243110A
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計）人: 席燕輝;李旭樂;李美婷;譚永周;徐志康;李賽;姚春艷
• 申請（專利權(quán)）人: 長沙理工大學(xué)
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 王丹

本發(fā)明提供了一種一級式配電網(wǎng)故障識別與定位方法及相關(guān)設(shè)備，包括：對目標(biāo)配電網(wǎng)在故障工況下的拓?fù)浣Y(jié)構(gòu)進(jìn)行建模，獲取拓?fù)浣Y(jié)構(gòu)的故障暫態(tài)信號；故障暫態(tài)信號包括暫態(tài)電壓信號和暫態(tài)電流信號；建立故障暫態(tài)信號的最優(yōu)時頻聯(lián)合分布表達(dá)式提取故障暫態(tài)信號的淺層特征量；構(gòu)建故障定位模型，將拓?fù)浣Y(jié)構(gòu)、故障暫態(tài)信號和淺層特征量輸入至故障定位模型進(jìn)行特征提取和特征融合，得到目標(biāo)配電網(wǎng)的故障識別結(jié)果和故障定位結(jié)果；能提取到融合配電網(wǎng)拓?fù)浣Y(jié)構(gòu)和故障暫態(tài)信號的時空故障特征，通過集成多層感知器完成故障類型識別、故障區(qū)段定位以及故障點精確定位，實現(xiàn)一級式的故障識別與定位，大大降低故障定位耗時，提高故障定位速度。

技術(shù)領(lǐng)域

本發(fā)明涉及配電網(wǎng)故障識別與定位技術(shù)領(lǐng)域，特別涉及一種一級式配電網(wǎng)故障識別與定位方法相關(guān)設(shè)備。

背景技術(shù)

高滲透率的新能源及高比例的電力電子設(shè)備入網(wǎng)成為新一代電網(wǎng)的主要特征。相比于輸電網(wǎng)絡(luò)來說，配電網(wǎng)具有拓?fù)渥兓l率、擾動復(fù)雜、負(fù)載多樣等特點，分布式新能源的大規(guī)模并網(wǎng)，進(jìn)一步增加了配電網(wǎng)拓?fù)浣Y(jié)構(gòu)的復(fù)雜多變性和不確定性，以及電力電子設(shè)備引入的諧波、噪聲等，導(dǎo)致配電網(wǎng)傳統(tǒng)保護易發(fā)生誤動和拒動，定位的快速性和精確性一直是制約配電系統(tǒng)故障定位技術(shù)的瓶頸問題。

現(xiàn)有的故障定位方法在面對結(jié)構(gòu)多變、運行多變、故障場景多樣的配電網(wǎng)故障時，僅能實現(xiàn)故障區(qū)段定位，定位范圍大，無法精確定位到故障點，導(dǎo)致故障清除時間增長，嚴(yán)重危及電力系統(tǒng)的安全穩(wěn)定運行。

快速準(zhǔn)確的故障類型識別是恢復(fù)配電網(wǎng)供電的前提，配電網(wǎng)一旦發(fā)生故障，準(zhǔn)確的故障類型識別對故障選線、故障點定位，快速修復(fù)故障線路，提高供電可靠性及較小停電損失具有非常重要的意義。

現(xiàn)有技術(shù)有利用人工神經(jīng)網(wǎng)絡(luò)提取故障信號特征量，并結(jié)合支持向量機(SupportVector?Machine，SVM)實現(xiàn)對配電網(wǎng)故障類型的識別；還有利用三相電流正負(fù)序分量的相角關(guān)系構(gòu)造隸屬函數(shù)，繼而建立模糊規(guī)則，通過模糊推理實現(xiàn)不平衡輻射狀配電網(wǎng)的故障分類；還有提出一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的配電網(wǎng)故障分類方法，并分析了該方法在四種不同工況下的適應(yīng)性；還有提出一種基于二進(jìn)制蟻群算法和模糊神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)故障分類方法，該方法克服了搜索速度慢、易陷入局部極小值的缺點；還有提出基于灰色關(guān)聯(lián)度的配電網(wǎng)故障類型識別方法。上述有關(guān)配電網(wǎng)故障類型識別方法受故障節(jié)點電阻、系統(tǒng)運行方式的影響較大，且在含分布式新能源的配電網(wǎng)中，未能有效融合配電網(wǎng)拓?fù)浣Y(jié)構(gòu)和電氣量信息提高分類模型的特征識別能力，無法適應(yīng)拓?fù)浣Y(jié)構(gòu)的動態(tài)變化。

為了實現(xiàn)對配電網(wǎng)故障的精確定位，就必須對各種不同故障場景下的故障數(shù)據(jù)充分訓(xùn)練，學(xué)習(xí)各種故障影響因素的組合模式，如故障類型、故障位置、過渡電阻、故障相角、負(fù)載運行變化、分布式新能源投切及出力隨機變化等，遍歷各種故障場景形成故障定位的樣本集數(shù)目是非常龐大的。如何從如此龐大的數(shù)據(jù)集中提取到深層次高區(qū)分性故障特征，成為配電網(wǎng)故障定位的關(guān)鍵。

從機器學(xué)習(xí)和多層神經(jīng)網(wǎng)絡(luò)演化而來的深度學(xué)習(xí)是當(dāng)前大數(shù)據(jù)處理與分析的研究前沿，在處理特征不明顯、關(guān)聯(lián)性強的高維大規(guī)模非線性數(shù)據(jù)時有著獨到的優(yōu)勢，具有從原始數(shù)據(jù)捕獲代表性特征的強大能力，可以得到數(shù)據(jù)更有力的非線性表達(dá)。深度學(xué)習(xí)自2006年被提出到現(xiàn)在，在語音識別、計算機視覺、自然語言處理等方面取得了較好的應(yīng)用效果。但有關(guān)深度學(xué)習(xí)在電力系統(tǒng)故障定位中的研究起步較晚，尚處于發(fā)展階段。

現(xiàn)有技術(shù)對比分析了輸配電網(wǎng)各種故障定位方法，展望了基于深度學(xué)習(xí)的機器學(xué)習(xí)算法在故障定位中特有的優(yōu)勢；利用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)配電網(wǎng)故障線路檢測；針對配電網(wǎng)故障定位精度不高的問題，提出利用兩種不同卷積神經(jīng)網(wǎng)絡(luò)分別實現(xiàn)故障區(qū)段和故障點定位；上述研究結(jié)果表明，將深度學(xué)習(xí)引入到大規(guī)模復(fù)雜電網(wǎng)的故障識別與定位中，能有效解決復(fù)雜電網(wǎng)高維數(shù)據(jù)挖掘及特征提取難題，能有效消除傳統(tǒng)智能算法人工特征提取與選擇帶來的不確定性。但上述基于深度學(xué)習(xí)的故障定位方法僅僅利用電氣量信號，未考慮配電網(wǎng)拓?fù)浣Y(jié)構(gòu)對故障定位效果的影響，無法適應(yīng)配電網(wǎng)拓?fù)浣Y(jié)構(gòu)的動態(tài)變化。