[发明专利]一种基于混合录波的配电网故障定位系统

说明书

本发明涉及电力技术领域，尤其涉及一种基于混合录波的配电网故障定位方法。

背景技术

配电网是电力系统中的重要组成部分，随着智能电网的快速发展，分布式电源的大量的不确定接入，使得配电网故障信息越发复杂，故障的准确快速分析变得越发困难。

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定位及处理。因此配电网络通常会加装线路故障指示器和馈线终端等装置，利用这些装置对配电网运行情况进行录波。目前现有技术中，针对故障定位的方法方一般均需要人工提取录波特征，再利用特征进行接地故障的识别及定位。

如CN103728532中公开了利用配电自动化馈线终端采集零序电压3U0和零序电流3I0，对3U0和3I0进行一系列处理并提取特征，然后利用人工经验设定的故障判定规则结合多个配电自动化馈线终端来定位故障区段。CN104101812公开了一种小电流接地配电网的故障检测定位方法与系统，系统主站从配电网络多个点的录波中提取零序电压和零序电流的暂态信号，计算作为特征值和各个位置波形的相似性，根据单点特征值及相关性特征值判断故障疑似区域。

由此可见现有技术的各种故障定位方法仍然是将波形特征提取与故障定位判断分为两个步骤，即配电网中的终端设备获取的配电网拓扑中的多位置原始波形，需先采取人工提取特征，再用特征进行故障定位。

这种故障定位判断过程没有形成直接反馈的非端对端方案，因此故障定位识别的准确率无法持续提高。另一方面，现有技术中的机器学习模型，其模型处理容量是有限的，因此对于用于检测故障演化过程或间歇性故障判定的长时间跨度波形，只能进行波形截取，在输入到机器学习模型中，而不管如何对波形截取，都将导致有效信息的丢失。

附图说明

图1是本发明的基于混合录波的配电网故障定位方法流程示意图；

图2是本发明的深度神经网络定位识别模型；

图3是本发明一实施例的多层网络模块Ⅰ和Ⅱ的结构示意图；

图4是本发明另一实施方式中的多层网络模块Ⅰ的结构示意图；

图4a-4c是本发明的本发明卷积块的结构示意图；

图5是本发明的超参数机器训练流程图；

图6是本发明一实施例的最优深度神经网络定位识别模型示意图；

图7是本发明另一实施例的最优深度神经网络定位识别模型示意图。

发明内容

本发明所要解决的技术问题是通过构造与时序相关的多通道深度神经网络，实现了对用于检测故障演化过程或间歇性故障判定的长时间跨度波形的有效信息的保存，从而提高的故障定位识别的准确率。

为了解决上述技术问题，本发明提供了一种基于混合录波的配电网故障定位方法,该方法包括：根据广域对时技术截取各监测点数据公共区段，并对公共区段按顺序拼接形成各监测点同步数据；对各监测点同步数据进行预处理生成各监测点同步数据的高频分量数据序列和低频分量数据序列；构建包含多个卷积层和长短时期记忆网络单元的多组数据块输入的深度神经网络模型，并通过机器训练得到该多组数据块输入的深度神经网络模型的最优超参数组合模型，将各监测点的高频分量序列和低频分量序列按时序输入所述最优超参数组合模型，从而得到各监测点与故障点之间的相对位置关系。

以下实施例应该配合附图结合在一起进行解读以获得上下文含义及细节，本领域技术人员应当知道，以下实施例不应该仅依靠技术特征或技术组合进行单独解读。本领域技术人员可以通过技术重组以获得更好的技术效果。当以下实施例中涉及到一种简单明了的部件或特征时，本领域技术人员应当知道其可以用于其他实施例中。