[发明专利]一种基于随机森林的配电网接地故障辨识方法及系统

权利要求书

1.一种基于随机森林的配电网接地故障辨识方法，其特征在于，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频域特征向量；

所述配电网接地数据的频域特征向量通过预先构建的随机森林模型采用投票的方式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。

2.如权利要求1所述的一种基于随机森林的配电网接地故障辨识方法，其特征在于，所述预先构建的随机森林模型，包括：

将具有故障或扰动信息对应的配电网历史接地数据进行特征提取得到频域特征向量，并将所述频域特征向量和配电网故障或扰动类型构成训练集；

基于所述训练集进行随机抽取，形成多个特征子集；

基于每个所述特征子集进行分类模型训练，得到对应的决策树；

将所有的决策树构成的集合作为随机森林模型；

其中，所述故障或扰动类型包括：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、空载合闸、不同期合闸。

3.如权利要求2所述的一种基于随机森林的配电网接地故障辨识方法，其特征在于，所述将具有故障或扰动信息对应的配电网历史接地数据进行特征提取得到频域特征向量，包括：

基于所述历史接地数据通过经验模态分解得到的各有限个本征模函数分量；

通过对各有限个本征模函数分量进行希尔伯特变换得到零序电压每个周期希尔伯特变换值的最大值、均值或方差，并将得到的每个周期希尔伯特变换值的最大值、均值或方差作为频域特征向量。

4.如权利要求2所述的一种基于随机森林的配电网接地故障辨识方法，其特征在于，所述基于特征子集进行分类模型训练，得到不同决策树，包括：

步骤4.1：基于各特征子集生成决策树的节点node；

步骤4.2：分别选择各特征子集中最优划分特征量a_*；

步骤4.3：对属于最优划分特征量a_*中的划分点为node生成一个分支；

步骤4.4：若D_v为空，将分支节点标记为叶节点，其类别标记为特征子集中样本最多的类，返回步骤5.3，其中，D_v，表示特征子集中在a_*上符合的样本子集；

步骤4.5：以(D_v，A\{a_*})为分支节点，转到步骤5.2；输出以node为根节点的决策树，其中，A为频域特征向量；

步骤4.6：以各棵决策树共同形成用于故障辨识的随机森林模型。

5.如权利要求4所述的一种基于随机森林的配电网接地故障辨识方法，其特征在于，所述步骤5.2：分别选择各特征子集中最优划分特征量a_*，包括：

选取特征a_i的候选划分点T_a＝{t₁，t₂，...，t_v}；

计算特征子集中第k类样本(k＝1，2，...β)所占特征子集的比例为p_k；

计算用特征a_i对样本集进行划分所获得的信息增益；

信息增益最大的属性选为最优划分特征量a_*。

6.如权利要求1所述的一种基于随机森林的配电网接地故障辨识方法，其特征在于，所述配电网接地数据的频域特征向量通过预先构建的随机森林模型采用投票的方式识别所述配电网接地故障或扰动类型，包括：

基于所述频域特征向量与随机森林模型中决策树中叶节点的频域特征向量对比，若一致则得一票，得票最多的频域特征向量所对应的线路的状态即为配电网接地故障或扰动类型。