[发明专利]一种基于随机矩阵和Hausdorff距离的配电网故障选线方法

说明书

本发明公开一种基于随机矩阵和Hausdorff距离的配电网故障选线方法，选取故障前后馈线的三相电流采样值，通过分块、平移处理，加入高斯白噪声，生成状态数据矩阵，采用随机矩阵奇异值等价变换得到乘积矩阵，归一化得到标准矩阵积，获得特征值向量，对它们进行概率统计，将概率P<10％的特征值当作离群点过滤掉，采用Hausdorff距离算法，计算某馈线与其它馈线的特征值向量之间的Hausdorff距离，去掉最大值，加以平均得到该馈线的平均Hausdorff距离，如果此平均距离大于阈值，则判断该馈线故障；如果各馈线的平均Hausdorff距离都小于阈值，则判断所连接的母线故障。本发明可准确判断故障馈线和母线，不依赖于配电网模型，不受故障位置、过渡电阻、初相角、线路类型的影响，有较好的实用性。

技术领域

本发明属于配电网故障选线的技术领域，具体涉及一种基于随机矩阵和Hausdorff距离的配电网故障选线方法。

背景技术

配电网线路较短，主要采用中线点不直接接地方式，单相接地故障是配电网最常见的故障，占小电流接地系统故障的80％以上。国内外学者深入研究配电网故障选线方法，现有技术中配电网故障选线存在以下方法：

利用馈线暂态零序电流的衰减直流分量、工频分量和高频分量，结合不同频段的线路阻抗特性，提出基于高低频段暂态信号的相关分析选线法；将暂态零序电流进行小波包分解，小波分解后的暂态零序电流在非故障馈线中变化趋势相同，而与故障馈线的变化趋势相反；若故障发生在母线上，则各馈线波形特征变化趋势相同。通过暂态零序能量在故障后各馈线上的大小和方向差异判断故障发生在哪一条馈线或母线上。利用D-S证据理论，提出了一种利用多种故障信息、连续多周期融合的配电网故障选线方法，充分利用多方面、不同时段的故障信息，将多判据多周期信息融合选线的问题转化为证据推理问题，用D-S证据理论组合证据后，得到各条线路的综合基本信度分配值，基本信度最大的为故障线路。利用“S注人法”向故障后的配电网人为输入某一信号，然后跟踪检测该信号的流通通路，由于只有故障线路的故障相在此通路中，所以该信号流通的线路为故障线路，从而实现故障选线的功能；根据故障后位移电压大小的不同，从消弧线圈电压互感器或故障相电压互感器注入可变频率恒流信号，利用零序信号电压计算接地电阻和阻尼率大小，进行故障选线。

以上方法大多依赖于模型的建立，都是从模型角度出发，但是对故障数据本身的分析不足。目前缺少将随机矩阵理论应用于配电网故障选线的方法。随机矩阵理论是一种数据处理方法，起源于量子物理的发展和研究。

基于随机矩阵理论的数据处理方法关注于数据本身的特点而非模型，可非常自然地处理海量数据，分析过程方法依赖于数据变换，对模型的依赖性低，更加适用于大规模复杂网络。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于随机矩阵和Hausdorff距离的配电网故障选线方法，以解决现有配电网故障选线依赖于系统模型且少有将随机矩阵理论应用于配电网故障选线问题。

为了达到上述目的，本发明采取的技术方案是：

提供一种基于随机矩阵和Hausdorff距离的配电网故障选线方法，其

包括：

获取配电网馈线三相电流的采样数据，形成原始数据矩阵X₀，通过分块、平移处理，形成矩阵X_c，将矩阵X_c和高斯白噪声矩阵叠加，形成状态数据矩阵X；

对状态数据矩阵X进行奇异值等价变换，得到奇异值等价矩阵X_u，定义若干个奇异值等价矩阵X_u的乘积矩阵为对它进行归一化处理，得到标准矩阵积Z；

计算标准矩阵积Z的特征值向量；

统计各特征值的分布，将概率P<10％的特征值当作离群点，将概率P<10％的特征值过滤掉，形成过滤后的特征值向量；