[发明专利]一种适用于森林火灾高阻接地情况下的故障选线方法

权利要求书

1.一种适用于森林火灾高阻接地情况下的故障选线方法，其特征在于：包括：

步骤一：使用已知故障线路的零序电流历史数据对shapelet模型算法进行训练，训练shapelet模型算法的超参数直至超参数被确定；

步骤二：将训练后的shapelet模型算法应用于故障选线，实时输入各支路零序电流信号，shapelet模型算法自动按照超参数选择最优候选子序列，在计算该子序列与支路零序电流的距离排序后，按训练好的分割阈值和分割方式将各支路进行分类，得到故障类对应的支路即为故障线路。

2.如权利要求1所述的一种适用于森林火灾高阻接地情况下的故障选线方法，其特征在于：所述步骤一包括：

步骤1：对采集的已知故障线路的各支路零序电流历史数据采用小波滤波方式对支路零序电流波形进行滤波处理，滤除噪声干扰，得到去噪后的零序电流

步骤2：对所有支路去噪后的零序电流进行归一化处理；采用滑动窗口在零序电流时间序列上得到所有可能的子序列集合：候选集candidate；

步骤3：对候选集candidate中每一个候选子序列C，计算其与每一条之路零序电流的距离并进行排序；

步骤4：设定一阈值d_th，按照此距离阈值采用分割方式sp，将上述支路分为两类A和B，分别指代故障类和非故障类。

K为每一个支路的序号

步骤5：设置不同的阈值d_th，计算每一种分割方式的信息增益Information Gain，将信息增益最高的分割方式作为故障选线的判别方式，确定信息增益最高的分类作为故障分类的最终判别方式，将信息增益最高的分类中A类定义为故障类，A类中的支路则为故障支路；

信息增益计算方式如下：

零序电流集合

entropy(I)＝-p(A)log(p(A))-p(B)log(p(B))

A和B分别为故障类和非故障类，p(A)为其概率分布，m为总支路条数，sp指代阈值d_th下的分割方式，entropy(I)为sp分割方式下的熵，为未分割时的熵；

将已经故障线路的零序电流数据求得的分类阈值、分类方式作为已知数来对shapelet模型算法进行训练从而确定算法模型中的超参数使得算法训练完成。

3.如权利要求2所述的一种适用于森林火灾高阻接地情况下的故障选线方法，其特征在于：在步骤1中，小波滤波方式处理方法包括：将含噪零序电流i₀转换为小波域信号s(k)并进行小波变换得到各层小波系数d_j，k进行阈值处理，得到处理后的小波系数采用处理后的小波系数重构信号，得到去噪后的零序电流j，k分别代表小波变换中的层数和级数。

4.如权利要求2所述的一种适用于森林火灾高阻接地情况下的故障选线方法，其特征在于：采用欧式距离计算候选片段C与零序电流之间的距离