[发明专利]一种基于粗糙神经网络的配电网单相接地故障诊断方法

权利要求书

1.一种基于粗糙神经网络的配电网单相接地故障诊断方法，其特征在于，包括以下步骤：

步骤S1、获取JP柜内终端检测设备采集的负荷分配开关的进线侧电压参数、出线侧电压与电流参数、JP柜内空气温度等样本数据；

步骤S2、提取步骤S1采集数据以及模拟故障数据的故障特征信息，计算故障判据并离散化，建立粗糙集故障诊断决策表并简约，得到神经网络训练样本；

步骤S3、建立粗糙神经网络模型，确定神经网络的结构和算法，并训练神经网络；

步骤S4、获取步骤S1实际故障电气参数数据并提取故障特征分量，并将各特征分量数据进行离散化处理，分别采用不同方法计算线路的故障诊断判据；

步骤S5、将步骤S4得到的各种属性作为神经网络的输入，利用步骤S3中已经训练好的神经网络计算出基于粗糙神经网络的单相接地故障最终诊断结果；

步骤S6、将检测到的最终实际故障特征、定位信息作为真实故障训练样本，重新训练决策表及神经网络，以提高粗糙神经网络故障诊断方法的准确性和诊断速度。

2.步骤S2故障诊断决策属性的形成，包括以下步骤：

步骤S21、对步骤S1获取的底层数据进行筛选与变换，利用db4小波将流经各线路的零序暂态电流按一定频带宽度进行分解，得到各线路零序暂态电流在各频段下的信号，并计算其中的有功分量和五次谐波分量，得到充分反映故障信息的特征量；

步骤S22、对步骤S21所获取的特征量进行离散化处理，采用自适应离散算法对含有电流与电压故障信息的连续特征量进行离散化；

步骤S23、决策表的属性内容包括条件属性和决策属性，其中条件属性是各故障特征明显的量以及所选的故障诊断方法的判断结果的集合，包括7个条件属性：零序电流中基波分量a1、暂态分量a2、五次谐波分量a3和有功分量的含量a4，以及小波包分析法、五次谐波法和有功功率法分别得出的诊断判据b1、b2和b3。根据所述决策表属性，建立以{S，a1，a2，a3，a4，b1，b2，b3，d}为集合元素的决策表，其中：{S}为论域；{a1，a2，a3，a4，b1，b2，b3}为条件属性集。

3.步骤S3所述的粗糙神经网络模型，其中，神经网络结构为2层隐式结构的BP神经网络；利用BP算法进行神经网络的训练。通过粗糙集预处理数据得到的神经网络训练样本，即条件属性集{a1，a2，a3，a4，b1，b2，b3}作为BP神经网络输入层的输入节点，共有7个输入节点，输入当前故障状态下的故障特征，即零序电流中基波分量、暂态分量、五次谐波分量、有功分量，以及小波法、五次谐波法和有功分量法三种方法对线路的故障诊断判据；BP网络的第一个隐层采用个12节点，第二个隐层采用4个节点；输出层为1个节点，即决策属性集{d}，1为发生单相接地故障，0为正常线路。