[发明专利]一种配电网短路故障类型的识别方法及系统

权利要求书

1.一种配电网短路故障类型的识别方法，其特征在于，包括：

S1、获取变压器出口侧的三相电流和母线三相电压，并将所述三相电流转换为三相电流故障分量，将所述母线三相电压转换为母线零序电压量；

S2、通过小波变换提取所述三相电流故障分量在预置频率范围的多个电流分量，对所述母线零序电压量进行快速傅里叶变换得到第一信号；

S3、从多个所述电流分量选取若干个类型识别特征量，将所述第一信号中第一分量的幅值设为第一特征量，根据若干个所述类型识别特征量和所述第一特征量构建不同故障类型的特征向量；

S4、将所述特征向量设为BP神经网络的输入，故障类型设为BP神经网络的输出，对BP神经网络进行训练，得到故障类型识别模型；

S5、当发生短路故障时，执行步骤S1-S3构建所述特征向量，并将所述特征向量输入到所述故障类型识别模型，输出故障类型。

2.根据权利要求1所述的配电网短路故障类型的识别方法，其特征在于，所述通过小波变换提取所述三相电流故障分量在预置频率范围的多个电流分量，具体包括：

选取二次样条小波作为母小波对所述三相电流故障分量分别进行小波变换，从而对所述三相电流进行3层小波分解，以及重构第2层、第3层小波细节系数，得到在预置频率范围的多个电流分量。

3.根据权利要求1所述的配电网短路故障类型的识别方法，其特征在于，所述若干个类型识别特征量，具体包括：ρ_a,b，ρ_a,c，ρ_b,c，

其中，

s_max＝max(s_p),p＝a,b,c

式中，n为一个工频周期的采样点数；为三相电流故障分量经小波分解和重构后的信号，p为相别a，b，c，E(x)为变量x的数学期望；ρ_a,b，ρ_a,c，ρ_b,c为每两相之间的相关系数，为每相的标幺化标准差。

4.根据权利要求1所述的配电网短路故障类型的识别方法，其特征在于，所述将所述第一信号中第一分量的幅值设为第一特征量，具体包括：将所述第一信号中50Hz分量的幅值设为第一特征量。

5.根据权利要求1所述的配电网短路故障类型的识别方法，其特征在于，所述步骤S4，具体包括：

S41、初始化BP神经网络的参数，将若干所述特征向量作为训练样本集；

S42、从所述训练样本集选取一个训练样本进行正向传播和反向传播计算，并更新BP神经网络的权值和阈值；

S43、重复步骤S42，直至满足预置迭代次数，得到所述故障类型识别模型。

6.根据权利要求1所述的配电网短路故障类型的识别方法，其特征在于，所述预置频率范围为：625Hz～2.5kHz。

7.一种配电网短路故障类型的识别系统，其特征在于，包括：

获取单元，用于获取变压器出口侧的三相电流和母线三相电压，并将所述三相电流转换为三相电流故障分量，将所述母线三相电压转换为母线零序电压量；

提取单元，用于通过小波变换提取所述三相电流故障分量在预置频率范围的多个电流分量，对所述母线零序电压量进行快速傅里叶变换得到第一信号；

构建单元，用于从多个所述电流分量选取若干个类型识别特征量，将所述第一信号中第一分量的幅值设为第一特征量，根据若干个所述类型识别特征量和所述第一特征量构建不同故障类型的特征向量；

训练单元，用于将所述特征向量设为BP神经网络的输入，故障类型设为BP神经网络的输出，对BP神经网络进行训练，得到故障类型识别模型；

识别单元，用于当发生短路故障时，触发所述获取单元构建所述特征向量，并将所述特征向量输入到所述故障类型识别模型，输出故障类型。