[发明专利]一种基于神经网络和特征矩阵的单相接地故障定位方法

权利要求书

1.一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，包括以下步骤：

步骤1：对现场采集数据集进行特征提取，将提取的特征作为神经网络的输入；提取的特征包括相似度、暂态特征值、基波幅值、基波与电压相位差、3次谐波幅值+5次谐波幅值及5次谐波与电压相位差，其中相似度ρ计算公式如下：

式中，i₀₁和i₀₂分别为工频零序电流数据和工频零序电压导数数据，n为采样序列，采样起始点n＝1为故障发生时刻，N为零序电流信号的数据长度，m为零序电压导数数据平移点数，改变m的值使相似度ρ(m)最大，ρ_max即为最终相似度计算结果；

暂态特征值W计算公式如下：

式中，i_0x为暂态零序电流值，u₀为暂态零序电压值；

步骤2：结合现场拓扑图及实际故障判定结果，对采集数据集进行添加标签处理；

步骤3：将所有特征进行归一化处理，并将处理后的数据集划分为训练集和测试集；

步骤4：神经网络模型调参、训练、测试，输出故障向量；

步骤5：通过现场拓扑图建立节点特征矩阵，结合故障向量得到故障信息特征矩阵；

步骤6：划分故障区段，计算故障测度，确定故障区段位置。

2.根据权利要求1所述的一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，所述基波幅值、基波与电压相位差、3次谐波幅值+5次谐波幅值和5次谐波与电压相位差的值获取方法均为快速傅里叶变换(FFT)。

3.根据权利要求1所述的一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，所述步骤2中结合现场拓扑图及实际故障判定结果，对采集数据集进行添加标签处理，故障范围内标记为1，故障范围外标记为-1。

4.根据权利要求1所述的一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，所述步骤3中为解决数据不均衡问题，划分训练集和测试集时用到的方法为分层抽样。

5.根据权利要求1所述的一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，所述步骤5根据现场拓扑图建立节点特征矩阵的过程中，先对各个节点进行标号，并确定参考方向：以变电站电源指向负荷端的方向为主干线及各个分支的参考方向；

节点矩阵D中的元素赋值原则如下：

若ij，节点i与j之间存在支路，且i指向j的方向与参考方向相同，则d_ij＝1；

若ij，节点i与j之间存在支路，且i指向j的方向与参考方向相反，则d_ij＝-1；

若i≥j，或者节点i与j之间不存在支路，则d_ij＝0。

6.根据权利要求1所述的一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，所述步骤5中用故障向量替代节点特征矩阵的对角线，得到故障信息特征矩阵。

7.根据权利要求1所述的一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，所述步骤6中故障区段的划定标准为：故障测度非负并且值最小的区段为故障区段。

8.根据权利要求7所述的一种基于神经网络和特征矩阵的单相接地故障定位方法，其特征在于，所述故障测度的计算公式为：

M_k＝∑m_ij

m_ij＝p_ii+p_jjp_ij

其中M_k表示第k个区段的故障测度；m_ij表示该区段包含的某条支路的故障测度；p_ii,p_jj,p_ij表示该支路所对应的故障信息特征矩阵中的元素。