小电流接地系统单相接地故障的选线方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113625103A(43)申请公布日2021.11.09(21)申请号202110782926.0(22)申请日2021.07.12(71)申请人广西电网有限责任公司地址530023广西壮族自治区南宁市民主路6号(72)发明人田君杨黄超李海勇蒋连钿杨彦沈梓正巫聪云刘斌韩冰秦蓓何洪覃丙川(74)专利代理机构广州市专注鱼专利代理有限公司44456代理人柴燕(51)Int.Cl.G01R31/08(2006.01)G01R31/52(2020.01)G01R31/58(2020.01)权利要求书3页说明书11页附图5页(54)发明名称小电流接地系统单相接地故障的选线方法(57)摘要本发明公开了一种小电流接地系统单相接地故障的选线方法，包括获取电网调度控制系统的原始数据，给原始数据设定标签；对带有标签的数据集进行数据预处理；将预处理后的数据集通过深度学习模型进行训练，得到训练中的故障线路数据；对训练数据集中的故障线路数据进行故障特征分量提取，建立故障特征库；测试数据集中的数据训练效果，优化模型参数；根据深度学习模型训练结果计算线路故障概率；结合深度学习模型训练结果和线路故障概率完成选线。本发明通过调度控制系统推送配网线路原始数据，结合深度学习模型训练，实现小电流系统单相接地故障的可靠选线，提高目前电网中单相接地故障选线的准确率。CN113625103ACN113625103A权利要求书1/3页1.一种小电流接地系统单相接地故障的选线方法，其特征在于，包括以下步骤：步骤S1、获取电网调度控制系统的原始数据，给原始数据设定标签；步骤S2、对带有标签的数据集进行数据预处理；步骤S3、将预处理后的数据集通过深度学习模型进行训练，得到训练中的故障线路数据；步骤S4、对训练数据集中的故障线路数据进行故障特征分量提取，建立故障特征库；步骤S5、测试数据集中的数据训练效果，优化模型参数；步骤S6、根据深度学习模型训练结果计算线路故障概率；步骤S7、结合深度学习模型训练结果和线路故障概率完成选线。2.根据权利要求1所述的小电流接地系统单相接地故障的选线方法，其特征在于，所述故障特征分量提取包括：零序电流基波幅值与相角特征提取；零序电流有功分量与极性提取；线路故障纵向特征提取。3.根据权利要求2所述的小电流接地系统单相接地故障的选线方法，其特征在于，所述零序电流基波幅值与相角特征提取具体包括：选择一个周期作为时间窗；利用所选的时间窗计算基波幅值和基波相角；将基波幅值和基波相角作为故障选线的特征分量。4.根据权利要求2所述的小电流接地系统单相接地故障的选线方法，其特征在于，所述零序电流有功分量与极性特征提取具体包括：提取出的零序电流电压的幅值，用于计算有功分量；将计算有功分量结果的绝对值作为有功分量幅值特征，其符号作为有功分量极性特征。5.根据权利要求2所述的小电流接地系统单相接地故障的选线方法，其特征在于，所述线路故障纵向特征提取具体包括：选取一条馈线线路；比较线路当前配电终端安装处的故障零序电流与馈线处的电流互感器安装处的故障零序电流的相位或者幅值；构造终端故障测度隶属度函数；定义终端权系数函数；得到本馈线的线路故障隶属度函数；计算出所有馈线的线路故障隶属度函数，反映单相接地故障的故障特征以作为其故障分量。6.根据权利要求5所述的小电流接地系统单相接地故障的选线方法，其特征在于，所述构造终端故障测度隶属度函数具体包括：当线路当前配电终端安装处的故障零序电流与馈线处的电流互感器安装处的故障零序电流的相位相同，幅值不同时，配电终端处幅值小于馈线处幅值，构造终端故障测度隶属度函数，式子如下：2CN113625103A权利要求书2/3页其中：I0f为当前配电终端故障零序电流；k2、k1为终端故障隶属度函数参数；当线路当前配电终端安装处的故障零序电流与馈线处的电流互感器安装处的故障零序电流的相不同，配电终端处故障零序电流幅值比电流互感器处小，构造终端故障测度隶属度函数，式子如下：其中：I0f为当前配电终端故障零序电流；k3、k4为终端故障隶属度函数参数。7.根据权利要求5所述的小电流接地系统单相接地故障的选线方法，其特征在于，所述定义终端权系数函数具体包括：对于中性点不接地或消弧线圈欠补偿系统，当配电终端处与馈线处零序电流极性相反时，定义终端权系数函数Yf，式子如下：其中：N为本线路配电终端总数；N_diff为馈线上所有终端中零序电流极性与馈线处相反的配电终端个数；diff为当前配电终端处与出口电流互感器处零序电流极性比较结果，若极性相同，则diff＝0，若极性相反，则diff＝1；k5为终端权系数函数参数；对于消弧线圈欠补偿系统，当配电终端处的零序电流极性与馈线处相同时，定义终端权