[发明专利]一种谐振接地系统单相接地故障选线方法

说明书

本发明涉及一种谐振接地系统单相接地故障选线方法，包括：采集谐振接地系统发生故障后的故障数据，基于故障数据生成串行故障数据SFD；对零序暂态电流数据进行归一化处理，基于处理后的零序暂态电流数据构建含SFD层的SFD‑DBN故障选线模型；基于蜘蛛猴优化算法MSO获取SFD‑DBN故障选线模型中隐含层节点数的最优参数，通过最优参数获得优化后的SFD‑DBN故障选线模型，基于优化后的SFD‑DBN故障选线模型建立谐振接地系统单相接地故障选线模型，基于谐振接地系统单相接地故障选线模型进行故障选线。本发明所提方法具有较高的选线精度和鲁棒性。

技术领域

本发明涉及谐振接地系统单相接地故障和深度学习技术领域，特别是涉及一种谐振接地系统单相接地故障选线方法。

背景技术

谐振接地系统是一个或多个中性点通过具有感抗的器件接地的系统。这些器件在单相对地短路时能大体上补偿线路的容性效应。当谐振接地系统发生单相接地故障时，按照规程允许继续运行约1～2小时，但随着运行时间的推移，可能会发生两点或多点接地短路故障，严重影响电力系统的供电可靠性。因此，快速可靠的故障检测已成为现代配电网的基本要求。针对谐振接地系统故障情况复杂，且故障电流易受电弧、噪声等因素的影响，快速准确的故障选线对配电网长期可靠稳定运行具有重要意义。

目前，国内外针对单相接地故障检测提出了多种选线方法，主要包括三类：1)基于稳态信号的选线方法，2)基于暂态信号的选线方法，3)基于信息融合技术的选线方法。由于受复杂故障情况、电磁干扰、线路类型等因素的影响，前两种方法具有一定的局限性。基于信息融合技术的选线方法多使用的方法包括傅里叶变换、连续小波变换、HTT变换和S变换等信号处理方法，通过该类方法对故障暂态电流录波数据进行时域、频域、能量域和时频域分析得到相应的特征矩阵或图像特征，利用得到的特征进行故障选线；然而这些方法需要人为确定以及同一方法在不同的场景下适用性不同，会导致选线结果存在人为误差，往往会导致选线精度下降，且存在计算量大等的问题。

提取故障的有效特征是单相故障选线的核心问题，故障特征的提取直接影响了故障检测的鲁棒性。此外，提取故障的有效特征很大程度上依赖于数据本身的可辨识度和特征提取方法的有效性。深度置信神经网络(Deep Belief Network，DBN)能够学习到输入与输出之间复杂的非线性函数映射关系，所以能够有效的提取隐藏在原始信号中的本质故障特征。目前，已有学者将DBN应用到电力系统暂态稳定评估，轴承故障诊断，负荷预测等问题上，并获得了较好的效果，但将DBN应用到故障选线的相关研究还很少。

因此，通过对深度置信神经网络和故障暂态电流波形的研究，本发明提出了一种谐振接地系统单相接地故障选线方法。

发明内容

本发明的目的是提出一种谐振接地系统单相接地故障选线方法，以解决上述现有技术中存在的问题。

为实现上述目的，本发明提供了如下方案：

一种谐振接地系统单相接地故障选线方法，包括：

采集谐振接地系统发生故障后的故障数据，基于所述故障数据生成串行故障数据SFD，其中所述故障数据包括：发生单相接地故障的绝对时间信息数据、对应故障发生后半个周波内的零序暂态电流数据；

对所述零序暂态电流数据进行归一化处理，基于处理后的所述零序暂态电流数据构建SFD-DBN故障选线模型；

基于蜘蛛猴优化算法MSO获取所述SFD-DBN故障选线模型中隐含层节点数的最优参数，通过所述最优参数获得优化后的SFD-DBN故障选线模型，基于所述优化后的SFD-DBN故障选线模型建立谐振接地系统单相接地故障选线模型，基于所述谐振接地系统单相接地故障选线模型进行故障选线。

优选地，生成所述串行故障数据SFD，包括：

利用故障录波器采集故障发生后各馈线的半个周波的故障数据，根据串行故障数据生成方法生成所述串行故障数据SFD。