[发明专利]一种配电网故障智能选线及区段定位方法及装置

权利要求书

1.一种配电网故障智能选线及区段定位方法，其特征在于，包括：

故障监测报警步骤，接收小电流接地系统母线三相电压及线电压数据，对母线电压数据与预设第一阈值范围对比，并且当超出预设第一阈值范围时，发出第一告警信息；

故障选线步骤，在发生第一告警信息的情况下，基于故障前后的潮流变化数据进行故障选线；

故障定位步骤，基于配网图模系统和用户用电信息采集系统采集的电气参数建立数据环网，并基于配变停电信息和D5000系统的故障告警时刻，获取故障位置。

2.根据权利要求1所述的一种配电网故障智能选线及区段定位方法，其特征在于，所述基于故障前后的潮流变化数据进行故障选线，潮流变化数据包括零序电压、零序电流、零序电流有功分量、零序电流五次谐波、零序无功功率、各相的对地电压、暂态电容电流、暂态电感电流的大小和方向。

3.根据权利要求2所述的一种配电网故障智能选线及区段定位方法，其特征在于，所述基于故障前后的潮流变化数据进行故障选线，包括：

基于母线电压实时报警内容，初判出系统的故障类型；

获取故障状态和非故障状态下的用户用电信息采集系统采集的第一电气观测序列，所述第一观测序列中包含零序电流等参数；

基于第一电气观测序列，对预设的故障选线网络模型进行训练，确定输出误差最小对应的故障选线网络模型的第一最优结构，得到包含第一最优结构的故障选线网络模型；

在确定训练得到的所述第一故障选线网络模型的准确性符合预设条件后，通过所述第一故障选线网络模型对待分析的用户用电信息采集系统采集的第二电气观测序列进行故障选线判断分析，获取故障选线结果。

4.根据权利要求3所述的一种配电网故障智能选线及区段定位方法，其特征在于，所述对预设的故障选线网络模型进行训练，确定输出误差最小对应的故障选线网络模型的第一最优结构，得到包含第一最优结构的故障选线网络模型，包括：

基于网络模型的初始模型参数作为粒子群优化算法的初始粒子；

通过粒子群算法的适应度函数计算保留网络模型的初始模型参数的全局最优值和局部粒子最优值；

通过粒子群算法的速度和位置更新公式迭代获取网络模型的初始模型参数的最优值；

基于所述网络模型的初始模型参数的最优值构建初始网络模型并进行模型训练，基于网络模型的输出误差损失进行模型参数的迭代更新，直至训练结束。

5.根据权利要求4所述的一种配电网故障智能选线及区段定位方法，其特征在于，所述故障选线网络模型采用BP神经网络，所述BP神经网络的隐含层的激励函数采用小波基函数，隐含层节点个数b为其中，a为输入层节点个数，l为输出层节点个数，α为常数；隐含层节点的模型参数采用所述小波基函数的伸缩平移参数；输出层的激励函数采用线性purelin函数。

6.根据权利要求1所述的一种配电网故障智能选线及区段定位方法，其特征在于，所述故障定位步骤，包括：

基于用户用电信息采集系统采集的台区电流、电压和有功，与配网图模系统点对点匹配，形成数据环网；

基于采集的配变电流获取停电配变并依据图模系统拓扑结构，获取停电配变所在线路的最前端配变；

比较最前端配变停电时刻和D5000系统故障告警时刻的差值，获取故障定位。

7.根据权利要求5所述的一种配电网故障智能选线及区段定位方法，其特征在于，所述基于采集的配变电流获取停电配变并依据图模系统拓扑结构，获取停电配变所在线路的最前端配变，包括：若配变电流小于第一预设值，则判断此配变停电，根据图模系统拓扑结构，逐级检测末端到主干线上的配变电流，统筹计算主、支干线的距离，直到寻优出最前端配变。