[发明专利]一种交直流配网直流故障诊断方法

说明书

本发明涉及交直流配电网直流故障诊断技术领域，公开了一种交直流配网直流故障诊断方法，采用频域和时域混合方法提取线路故障电流特征量，包括基于傅里叶变换法提取故障电流的高频分量、基于相模变换法获取解耦后的母线正负极电压变化量；通过模拟交直流混合配电网在不同位置和线路长度等情况下故障，获得大量标签样本数据；利用训练样本数据对深度置信网络展开无监督训练和有监督参数调整；将待诊断数据输入到已训练的深度置信网络模型中，完成故障区域识别和诊断。与现有技术相比，本发明可充分提取故障电流特征，有效消除了直流子网正负极线路故障分量的耦合影响。

技术领域

本发明涉及交直流配电网直流故障诊断技术领域，具体涉及一种交直流配网直流故障 诊断方。

背景技术

交直流混合配电网因其适用于不同类型分布式电源和交直流负荷灵活接入的优点，正 在成为研究热点。故障识别和排查对保障其安全稳定运行具有重要意义，常用的故障诊断 方法有行波法、主动注入法和故障分析法等，以深度学习为基础的人工智能技术为故障诊 断提供了新的思路，但是目前的研究没有将交直流混合配网的故障特征提取与深度学习相 结合，且目前深度学习应用于直流配电网中存在提取故障特征单一的问题，这将导致故障 识别的结果与故障特征的关联度较低。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种交直流配网直流故障诊断方， 通过时域分析和频域分析相结合的方式，先提取故障电流特征，再采用深度置信网络的学 习泛化能力完成故障诊断。

技术方案：本发明提供了一种交直流配网直流故障诊断方法，包括如下步骤：

步骤1，采用频域和时域混合方法提取线路故障电流特征量，包括基于傅里叶变换提取故 障电流的高频分量、基于相模变换获取解耦后的母线正负极电压变化量；

步骤2，模拟交直流混合配电网在不同位置和线路长度等情况下故障，构造标签样本数据；

步骤3，建立深度置信网络模型，利用训练样本数据对深度置信网络展开无监督训练和有 监督反向参数调整；

步骤4，将待诊断数据输入到已训练的深度置信网络模型，完成故障区域识别和诊断结果。

进一步地，所述步骤1中提取线路故障电流特征量的具体步骤为：

步骤1-1：利用下式基于傅里叶变换提取故障电流高频分量：

其中，f(t)是原函数，F(ω)是傅里叶变换的像函数，ω是频率。

步骤1-2：采用相模变换法，将正负极电压分解成零模分量和一模分量，再推导出正负极 电压的变化量，以消除耦合作用；

单极故障时，故障产生的零模和一模电压突变量为：

其中，Δu₀和Δu₁分别是零模和一模电压突变量，Z₀和Z₁分别是一模阻抗和零模阻抗， R_g是过渡电阻，E是对地电压；

转换到正负极上的电压变化量为：

其中，Δu_P和Δu_N分别为正负极电压的变化量，当正极发生故障时，|Δu_P|/|Δu_N|1；负 极接地故障时，|Δu_P|/|Δu_N|1；双极短路时，|Δu_P|/|Δu_N|接近于1。

进一步地，所述步骤3中深度置信网络模型训练包括RBM(受限玻尔兹曼机)的无监督训 练和有监督反向调整参数：