[发明专利]一种基于卷积神经网络的配电网高阻接地故障识别方法

权利要求书

1.一种基于卷积神经网络的配电网高阻接地故障识别方法，其特征在于：包括以下步骤：

步骤S1：获取高阻接地故障以及其他暂态扰动情况的暂态扰动信号；

步骤S2：利用局部特征尺度分解方法分解步骤S1获取的信号；

步骤S3：按照设定的频带对步骤S2分解后的信号进行带通滤波，构造时频矩阵；

步骤S4：获取分块时频谱图；

步骤S5：采用卷积神经网络算法对步骤S4获得的分块时频谱图进行分类识别，再利用BP算法训练CNN，通过训练完成的CNN实现配电网高阻接地故障的识别。

2.根据权利要求1所述的一种基于卷积神经网络的配电网高阻接地故障识别方法，其特征在于：所述其他暂态扰动情况包括电容器投入、负荷投入、空载线路投入、以及单相接地故障。

3.根据权利要求1所述的一种基于卷积神经网络的配电网高阻接地故障识别方法，其特征在于：所述步骤S1中，所述暂态扰动信号具体截取故障前的半个周波和故障后的一个半周波的母线三相电压和零序电压仿真波形。

4.根据权利要求1所述的一种基于卷积神经网络的配电网高阻接地故障识别方法，其特征在于：所述步骤S3中，设截取的波形信号经LCD带通滤波后分解为m个子频带，各个波形采样点数均为n，各个子频带波形的数据点为a_ij(i＝1,2,...,m；j＝1,2,...n)，构造时频矩阵为：

5.根据权利要求1所述的一种基于卷积神经网络的配电网高阻接地故障识别方法，其特征在于：

步骤S41：设输入波形被分解为m个频带，每个频带n个数据点，将时频矩阵中各个频带序列按时间进行L等分，得到L个区块，即时频块；每个时频块中含有P个数据点，其中P＝n/L，定义第m个频带的第L个时频能量块为：

其中，表示第m个频带第L个时频块中第y个数据点的幅值，Δt表示两个数据点间的时间间隔，即采样周期；

步骤S42：每个过电压信号的分块时频谱矩阵为：

步骤S43：将4个过电压波形对应的分块时频谱按三相电压、零序电压的顺序从上至下拼接，即得到总的分块时频谱E_total，作为过电压识别的特征量，其总的分块时频谱E_total表达形式为：

其中，分别表示母线三相电压以及零序电压的分块时频谱图。