[发明专利]基于类人概念学习的配电网早期故障检测方法

说明书

本发明公开了一种基于类人概念学习的配电网早期故障检测方法。利用小波变换分解波形为近似部分和细节部分，其中近似部分称为大致形状基元，细节部分称为畸变基元；根据极值点将畸变基元拆分为谐波、脉冲以及其他畸变三个基元；提取基元的特征以及基元间的时间关系；根据基元的特征以及基元间的时间关系，构造波形的概率分布；根据不同种类波形的概率分布，得到波形的判断结果。本发明将电压、电流波形作为视觉概念的一种，被分解为大致形状和各种畸变，通过计算各个成分的概率分布，可以获得波形整体的概率分布，从而判断波形种类。该方法在需求数据量和准确性上大大优于传统检测。对配电网早期故障的检测处理具有重要意义。

技术领域

本发明涉及配电网早期故障检测技术领域，具体是一种基于类人概念学习的配电网早期故障检测方法。

背景技术

供电可靠性是配电网最重要的评价指标。由于配电网设备多，区域广，其运维工作主要集中在故障后的处理方面，例如故障定位、故障隔离、故障恢复。但是随着国家和售电市场对供电可靠性要求的提高，配网的故障处理工作不仅要关注故障后的供电恢复还需关注故障前的设备预警，将故障处理的工作方式由“事后抢修巡检”转变成“事前预警主动处理”，在永久性故障发生之前将之消灭，大幅降低因设备故障导致停电事故发生的概率。

在设备故障之前，往往会出现一些异常的前兆性信号，这些信号被称为早期故障。早期故障检测作为电力状态检测的一种方式，为配网运维提供了新的思路，使得缺陷设备能够被提前更换，提高供电可靠性。同时降低运维工作量，节约了成本。

早期故障往往表现为持续时间短、重复发生。这类自恢复性故障往往伴随电弧，对绝缘和导体造成损坏。进一步地，绝缘受损会带来更多的故障。所以往往这类故障会反复发生直到发展成永久性故障。引起早期故障的原因与设备种类有关。在电缆中，绝缘老化是早期故障的主要原因。在架空线中，各种非电力因素如刮风、动物触线、树枝触线等往往会引起早期故障。在其他电力设备中，绝缘缺陷和接触不良也会引起早期故障。

早期故障检测主要分为模型驱动和数据驱动两种，模型驱动往往局限于单一模型，无法适应复杂的实际情况，因此往往采用数据驱动的方法。传统数据驱动方法需要大量的数据且往往只针对个别情景，因此需要改进。类人概念学习类比人类观察波形的过程对波形进行分解，根据分解的结果重构波形的生成过程，通过学习这一过程实现波形的识别。但是，如何将类人概念学习应用于配电网早期故障诊断中，还是本领域亟待解决的问题。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

针对现有技术中存在的上述不足，本发明的目的是，将类人概念学习的相关理论和方法引入到配电网早期故障诊断中，通过理论分析提出一种针对配电网早期故障检测的基于类人概念学习的配电网早期故障检测方法，并验证方法的合理性。类人概念学习模拟人类识别波形的过程，将波形分解为不同成分的叠加，通过学习成分及成分间的时间关系进行波形识别。本发明提出的基于类人概念学习的配电网早期故障检测方法，相较于传统算法具有可引入先验知识、所需样本少、准确率高等特点。

本发明是通过以下技术方案实现的。

一种基于类人概念学习的配电网早期故障检测方法，包括如下步骤：

S1：利用小波变换分解波形为近似部分和细节部分，其中近似部分称为大致形状基元，细节部分称为畸变基元；

S2：根据极值点将畸变基元拆分为谐波、脉冲以及其他畸变三个基元；

S3：提取基元的特征以及基元间的时间关系；

S4：根据基元的特征以及基元间的时间关系，构造波形的概率分布；

S5：根据不同种类波形的概率分布，得到波形的判断结果。