[发明专利]基于多特征分析的配电网工况智能识别方法

说明书

本发明公开一种基于多特征分析的配电网工况智能识别方法，通过配电网在线录波系统对配电网馈线的异常运行工况进行数据采集，应用多种特征提取方法，包括时域、频域及小波变换的信号特征提取方法，提取大量信号特征，如电流暂态稳态特征等；通过训练具有自适应学习特性的人工神经网络(ANN)模型来进行每一类异常工况识别，并建立形如决策树的分类识别流程，实现配电网的多工况有效识别。

技术领域

本发明涉及配电网运行工况的异常状态识别领域。

背景技术

配电网是电力系统中的重要部分，是保证供电质量及电网高效运行的关键环节。为保障配电网高度智能化运行，需要对馈线运行数据进行实时监控、异常情况及时预警及故障快速发现处理，其中对馈线异常工况的识别是智能配电网的重要功能。造成配电网馈线运行异常的原因很多，如相间短路，单相接地，励磁涌流等等。

传统的配电网馈线运行异常类型识别大多是基于设置阈值，依据单一因素的某种逻辑关系来实现的。这种识别模式简单，难以考虑异常工况下获取的馈线电压、电流信号，还受系统运行方式、故障位置、过渡阻抗和故障时刻等多种随机因素，故存在一定的缺陷。而对于电流瞬间小幅变化，特征量变化不明显的工况，如单相大电阻瞬时接地等，至目前为止，配备故障指示器和故障选线技术的配电系统仍无法实现对这些工况的监测和识别。

发明内容

本发明的目的是提出一种基于多特征分析的配电网工况智能识别方法，通过配电网在线录波系统对配电网馈线的异常运行工况进行数据采集，应用多种特征提取方法，包括时域、频域及小波变换的信号特征提取方法，提取大量信号特征，如电流暂态稳态特征等；通过训练具有自适应学习特性的人工神经网络(ANN)模型来进行每一类异常工况识别，并建立形如决策树的分类识别流程，实现配电网的多工况有效识别。

为实现本发明目的而采用的技术方案是这样的，一种基于多特征分析的配电网工况智能识别方法，其特征在于，包括以下步骤:

1)通过配电网的在线录波系统，当线路发生故障时触发三相同步录波，获得A、B、C三相电流录波信号和零序电流信号。

2)采用多特征提取方法提取信号特征：

2-1)提取时域特征

在时域范围内，对于由在线录波系统采集到的电流信号提取如表1所示的各个特征量。

表1时域范围内提取的各个特征分量

其中，I_p,i是检测器采集到的电流信号，表示A、B、C三相，p代表A、B、C、Z四相，i代表录波信号的周期序列，j代表每个周期中的采样点序号，N为采样点个数。

2-2)提取频域特征

在频域范围，针对故障发生后稳态信号的直流和二次谐波分量，采用的是录波信号的i～(i+m)个周期数据进行离散傅里叶变换分析。以一个周期电流信号为例，使用傅里叶级数展开，得到二次谐波的频域变换结果：

式中I_p,i是检测器采集到的电流信号，p代表A、B、C、Z四相，i为电流信号的周期序列，N为采样点个数，n为第n个采样点，j为虚部表示符。

依次提取如表2所示的特征量：直流分量含量I_dp、二次谐波分量I_2x和二次谐波分量含量I_2xp。

表2频域范围内提取的各个特征分量

2-3)基于小波变换的特征提取方法分析暂态信号