[发明专利]一种基于云边架构和小波神经网络的配电网故障诊断方法

权利要求书

1.一种基于云边架构和小波神经网络的配电网故障诊断方法，其特征在于，所述方法包括以下步骤：

1)根据故障指示器、D-PMU和FTU等装置的信息，建立云边架构，整理量测数据，根据故障指示器在云端判断配电网是否发生故障；

2)根据故障指示器、D-PMU和FTU装置提供的实时量测数据，初步诊断故障发生的区域或区段；

3)根据小波包神经网络在故障发生的初步诊断区域或区段对故障发生点进行精确定位；将故障后的实时量测数据进行频带分解，构造特征向量；

4)将特征向量带入神经网络模型中进行误差训练，直至达到误差精度要求，输出故障诊断结果。

2.根据权利要求1所述的一种基于云边架构和小波神经网络的配电网故障诊断方法，其特征在于，在步骤1)之前，所述方法还包括：

根据配电网的故障指示器和D-PMU对配电网的运行状态进行实时监测并采集运行数据。

3.根据权利要求1所述的一种基于云边架构和小波神经网络的配电网故障诊断方法，其特征在于，所述将故障后的实时量测数据进行频带分解，构造特征向量具体为：

根据正交分解法对量测数据进行多层频带分解；根据分解后的频带信号构造特征向量。

4.根据权利要求3所述的一种基于云边架构和小波神经网络的配电网故障诊断方法，其特征在于，所述根据正交分解法对量测数据进行多层频带分解；根据分解后的频带信号构造特征向量具体为：

1)将量测数据采用正交分解法进行多层频带分解为数据信号；

2)根据分解后的信号构造特征向量，计算各子频带内重构信号的能量，根据各频带的能量构造特征向量；

3)若能量值较大时，需对特征向量进行归一化处理采用能量比作为特征量；

4)当配电网存在扰动时，采集的电流信号为短时非正常信号，配电网故障状态下为长时非正常信号，根据此特点判断配电网是否为故障状态。

5.根据权利要求1所述的一种基于云边架构和小波神经网络的配电网故障诊断方法，其特征在于，所述步骤4)具体为：

确定小波神经网络模型的各层层数和各层之间的权值；将特征向量带入小波神经网络模型中，输出隐含层输出值；

根据隐含层输出值，输出输出层的输出值，构造误差函数，满足误差要求后输出故障诊断结果。