[发明专利]基于低压配网综合监测单元的配电网故障区段定位方法

说明书

本发明提出了一种基于低压配网综合监测单元的配电网故障区段定位方法，基于改进遗传算法的拓扑动态变化配电网故障区段定位及隔离模型体系架构，通过对低压配网进行网格化划分，获取低压配网的历史运行数据作为样本数据，结合遗传算法对BP神经网络进行训练，获得用于预测低压配网综合监测单元故障的BP神经网络，通过将低压配网综合监测单元的实时运行的数据传入BP神经网络，即获得对低压配网综合监测单元是否故障进行精确的预测和定位，从而实现对配电网故障区段的快速计算和定位，为低压配网故障全景复现与自主智能隔离决策等提供技术支持。

技术领域

本发明涉及一种基于低压配网综合监测单元的配电网故障区段定位方法，属于电气工程科学领域。

背景技术

低压配电网是电网运行中的一个重要环节，在整个电网运维系统中起着承上启下的衔接作用，实现低压配电网的智慧化是实现智能电网的重要途径。基于目前智能电网建设的发展需求，智慧低压配电网应具备包括：复杂运维环境下的故障区段定位能力，即通过连续的评估自测，唤醒或隔离故障区域，最大程度恢复现场；对环境内外攻击具有较强的抵御能力，通过加密识别、攻击预警等多种途径主动防范来自环境内外的物理攻击，有效降低由于外部威胁造成的损失；对多种场景具有兼容交互性，面向多种应用场景，对异构网络具有兼容性，协调电力批发与零售市场，实现效益最大化等多维属性。

目前的配电故障定位方法主要有基于配电网故障的矩阵法定位和采用智能算法的故障定位。其中，配电网故障定位矩阵法，是基于配网上安装及上传的故障信息正确性，在这个基础上以配电网拓扑、多电源和提高算法效率为主要的研究重点，但是如果线路上安装不齐全或者没有安装，则该方法完全不适用，对于实际现场运用而言，该方法局限性太大；对于采用智能算法进行配电网故障定位，是将适用于输电网的基于保护和断路器信息的故障定位算法经过改进，沒有充分考虑配电网的实际情况，其研究重点是如何分辨错误信息，如何在信息不全的情况下做出准确的基于概率的推断，没有基于配电网中多种类型的监测终端传回的故障信息，所以虽然这种算法理论严谨、逻辑严密，但是实用性不强。

发明内容

本发明为了解决上述技术问题采用以下技术方案：提出了一种基于低压配网综合监测单元的配电网故障区段定位方法,通过步骤1到步骤3获得用于监测低压配网是否存在故障的BP神经网络模型，对于目标低压配网，通过将实时获取的低压配网的运行数据输入到BP神经网络模型中，得到目标低压配网是否存在故障的预测结果；

步骤1.采集目标低压配网的历史运行数据中预设比例的数据作为训练样本数据，剩余部分数据作为测试样本数据，首先确定BP神经网络的拓扑结构，获得BP神经网络的初始权值和初始阈值，并对BP神经网络的初始权值和初始阈值进行编码，得到编码后的BP神经网络的权值和阈值，然后进入步骤2；

步骤2.对BP神经网络的权值和阈值进行解码，并利用训练样本数据对神经网络进行训练，得到BP神经网络模型，利用测试样本数据对BP神经网络进行测试，得到的预测误差作为典型遗传算法中的个体适应度值，然后进入步骤3；

步骤3.利用典型遗传算法对BP神经网络的权值和阈值进行自适应调整，获得更新后BP神经网络的权值与阈值，判断是否满足结束条件，如果满足，对遗传算法输出的BP神经网络的权值与阈值进行解码，获得BP神经网络最优的权值和阈值，即获得用于监测低压配网是否存在故障的BP神经网络模型；如果不满足，返回步骤2。

作为本发明的一种优选技术方案：目标低压配网的历史运行数据包括故障数据和非故障数据。

作为本发明的一种优选技术方案：目标低压配网的历史运行数据首先经过预处理，再用于BP神经网络的训练，预处理步骤包括去掉缺失值和明显错误的数值。