[发明专利]一种基于人工免疫网络的配电网接地故障辨识方法及系统

说明书

本发明提供的技术方案一种基于人工免疫网络的配电网接地故障辨识方法，包括：获取配电网接地数据；将配电网接地数据进行特征提取得到特征向量；基于预先构建的人工免疫网络模型，将所述配电网接地数据的特征向量通过K邻近算法识别所述配电网接地故障或扰动类型；所述配电网接地数据包括：故障前后的线路三相电流监测采样值、故障前后的零序电压采样值。提高了准确率，且辨识的类型更全面，有效解决了接地故障发生时故障诊断精度不高的问题。

技术领域

本发明涉及配电网故障辨识技术，具体涉及一种基于人工免疫网络的配电网接地故障辨识方法及系统。

背景技术

随着智能电网的发展，人们对电网的要求越来越高。配电网线路故障直接影响供电可靠性，但由于配电网多为中性点不接地系统，接地故障发生时故障电流较小，其可信度诊断精度不高。因此当线路发生故障时，迅速而准确的检测到故障的发生，继而判断出故障的类型是一个极为重要的课题。

目前，现有的输电线路故障检测主要有特征阈值法和人工智能分类器法。阈值法原理较为简单，但是阈值的设定是一大难点。近年来人工智能分类法被广泛应用到输电线路故障分类的系统中，但现存方法未全面考虑多种接地故障与扰动情况对故障检测可能产生的影响。如何克服这些缺点是配电网接地故障辨识亟待解决的问题。

发明内容

本发明提供的技术方案是：

一种基于人工免疫网络的配电网接地故障辨识方法，包括：

获取配电网接地数据；

将配电网接地数据进行特征提取得到特征向量；

基于预先构建的人工免疫网络模型，将所述配电网接地数据的特征向量通过K邻近算法识别所述配电网接地故障或扰动类型；

所述配电网接地数据包括：故障前后的线路三相电流监测采样值、故障前后的零序电压采样值。

优选的，所述预先构建的人工免疫网络模型，包括：

步骤2.1：将具有故障或扰动信息对应的配电网历史接地数据分为样本集与测试集；

步骤2.2：基于样本集提取特征向量，将所述特征向量按故障或扰动类型构成不同的抗原集；

步骤2.3：分别对所述各抗原集进行训练与学习，得到反应各抗原特征空间的特征向量，将所述特征向量设为记忆细胞；

步骤2.4：将所有记忆细胞集中为一个集合，作为人工免疫网络模型；

步骤2.5：基于测试集对所述人工免疫网络模型进行测试得到人工免疫网络模型对测试集故障辨识正确率；

步骤2.6：若正确率小于判定阈值，则以测试集故障辨识正确率最大为目标使用粒子群算法优化人工免疫网络训练参数返回步骤2.2；若正确率大于等于判定阈值，则完成人工免疫网络模型的构建；

所述故障类型包括：单相高阻接地故障、单相低阻接地故障、两相短路接地故障、两相相间故障、三相短路接地故障、大电机启动、负载不对称、不同期合闸。

优选的，所述对所述抗原集进行训练与学习，得到抗原特征空间的记忆细胞，包括：

步骤3.1：随机生成抗体，并计算同一类型的抗原和记忆细胞之间的亲和性；

步骤3.2：输入抗原集中的一个抗原，选择克隆亲和力最高的抗体，并进行克隆，生成克隆集，其中抗原为抗原集中的一个数据；

步骤3.3：所述克隆集的每个抗体通过亲和力成熟产生突变集；

步骤3.4：确定所有抗原与突变集之间的亲和力；重新选择抗体具有最高亲和力作为一组部分抗体；同时清除部分抗体中亲和力小于自然死亡阈值的记忆抗体；