[发明专利]一种分布式的变电站接地网检测和评估方法

权利要求书

1.一种分布式的变电站接地网检测和评估方法，其特征是：包括以下步骤：

步骤1：根据变电站接地网的设计文件，反演变电站内的土壤模型，以及变电站接地网的工频接地阻抗值；

所述接地网土壤模型反演根据设计文件中的土壤电阻率测量数据得到：

ρ＝2πaU/I (1)；

式(1)中：ρ为土壤电阻率；a为测试时两个电极之间的距离；U为测试时两个电位极之间的电位差；I为测试电流；计算出土壤电阻率ρ与电极间距a之间的关系曲线，得到站址的土壤模型；变电站内发生接地故障时的接地网特征参数计算，均是在接地网完好的状态下进行的；

步骤2：计算接地故障发生时，变电站内的地电位升高、跨步电压和接触电压特征参数；

所述计算接地故障发生在不同地点时，接地导体连接良好的状态下，对接地网特征参数包括接地阻抗、地电位升、跨步电压、接触电压进行计算；

步骤3：利用仿真软件针对接地导体断裂时，计算不同地点发生故障的情况下变电站的地电位升，跨步电压和接触电压特征参数；

所述不同地点发生故障时，接地导体断裂的状态下，对接地网特征参数，包括接地阻抗、地电位升、跨步电压、接触电压进行计算；

步骤4：结合分布式接地网状态评估装置，对接地网的接地导体运行状态进行检测，并对不同故障地点时，接地导体当前状态下接地网特征参数进行计算；

所述接地网特征参数包括地电位升，跨步电压和接触电压等均是以变电站接地网当前的状态下，不同地点发生接地故障时，计算得出的结果；

步骤5：利用ART-2型神经网络对导体的当前状态进行比较识别，得出当前变电站内接地装置的整体性评估结果；ART-2型神经网络主要分为网络初始化阶段和比较阶段；

所述利用ART-2型神经网络对导体的当前状态进行比较识别的过程主要包括：

步骤5.1：根据步骤1中对接地网导体状态完好时，计算得出的接地网特征参数，建立ART-2型神经网络比较层神经元的连接权值；

所述连接权值，包括站内地电位升、跨步电压、接触电压以及站外跨步电压、接触电压；

步骤5.2：根据步骤2中对接地网导体断裂时，计算得出的接地网特征参数，补充至ART-2型神经网络比较层神经元的连接权值，并设定相应的相似度阈值；

步骤5.3：根据接地导体当前的状态，计算得出的特征参数作为ART-2网络的输入，进行状态识别；

步骤5.4：比较此时的各种特征参数是否满足安全限值的要求，若满足要求则进行下一步判断；若不满足要求，记录并报告该参数，结束；

步骤5.5：对当前状态进行置信度判断，若置信度大于设定的阈值，则目前的运行状态良好；若小于阈值，则需要对接地导体的情况密切关注，必要时进行开挖检查，出现问题及时处理；

所述步骤5中ART-2型神经网络主要分为网络初始化阶段和比较阶段，实现的方法还可以为：

步骤51：根据步骤1-步骤3计算的数据，建立ART-2型神经网络，连接权值初始化为接地网完好时的各特征参数，以及接地网节点出现严重腐蚀和断裂时的特征参数，包括接地阻抗、地电位升、跨步电压、接触电压等，并设定置信度阈值；每个故障点网络的输出有两种状态，状态完好，以及接地导体断裂，如有n个故障点，则网络的输出神经元为2n个；并设定相似度阈值；

步骤52：根据状态监测装置的测量数据，仿真计算当前状态下，对应接地导体在不同故障地点情况下的特征参数；

步骤53：根据计算的特征参数，输出到建立的ART-2神经网络模型，得到网络的输出结果；

步骤54：网络输出结果与相似度阈值比较，若输出结果显示当前状态为良好且大于相似度阈值，则判断当前运行状态良好。

2.根据权利要求1所述的一种分布式的变电站接地网检测和评估方法，其特征是：所述步骤54：网络输出结果与相似度阈值比较，若输出结果显示当前状态为良好且大于相似度阈值，则判断当前运行状态良好，本步骤的具体实现方法为：

设网络输入为Y＝(y₁,y₂,…,n)^T,该式中Y表示输入向量，y₁,y₂,…y_n表示输入向量中的元素,T表示转置，则中间节点向量Z和S的第i个元素z_i与s_i的运算方程为：

z_i＝y_i+au_i (2)；

公式(2)中：y_i表示输入向量Y的第i个元素,a为下层网络的内部反馈，u_i表示中间层节点U的第i个元素；

公式(3)中：z_i表示中间层节点Z的第i个元素，||Z||表示中间层节点向量Z的模；

中间节点向量G和U的第i个元素g_i与u_i的方程如式(4)-(6)所示；

g_i＝f(s_i)+bf(l_i) (4)；

公式(4)中：s_i表示中间层节点S的第i个元素，l_i表示中间层节点L的第i个元素，b代表下层网络的内部反馈,f(x)为传送信号的非线性变换；

公式(5)中：g_i表示中间层节点G的第i个元素，u_i表示中间层节点U的第i个元素，||G||表示中间层节点向量G的模；

公式(6)中：x为自变量，θ为阈值；

式(7)与(8)为中间节点向量P和L的第i个元素p_i和l_i的方程:

p_i＝u_i+dt_ij (7)；

公式(7)中：u_i表示中间层节点U的第i个元素，d为调整系数，t_ij表示反馈连接权值；

公式(8)中：p_i表示中间层节点P的第i个元素，||P||表示中间层节点向量P的模；

第k个节点的输出值为：

公式(9)中：p_i表示中间层节点P的第i个元素，w_ij表示前馈连接权值,n表示输出神经元的个数；

计算置信度：

公式(10)中：c表示相似度调整系数，||P||表示中间层节点向量P的模，U为中间层节点向量；

若网络识别为状态良好(h_k＞h_2k，k＝1,2,…,n；h_k为第k个故障点接地导体良好时的状态输出，h_2k第k个故障点接地导体断裂时的状态输出)，且置信度大于设定的阈值，则接地网最终的评估结果为良好，否则需要关注，必要时进行开挖检测，发现问题及时处理。