[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

说明书

本发明公开了一种基于粗糙神经网络的配电网单相接地故障诊断方法，包括：根据JP柜内终端设备采集的数据和模拟故障数据提取故障特征信息并进行离散化，综合采用小波分析法、有功分量法、五次谐波法三种方法，分别计算故障判据并离散化，从而建立粗糙集综合故障诊断决策表，并得到神经网络训练样本；将粗糙集得到的神经网络训练样本作为神经网络的前置层，通过BP神经网络完成故障综合诊断，从而得到基于粗糙神经网络的单相接地故障诊断结果。本发明发挥粗糙集理论具有强大的数据挖掘和约简能力的优势，实现配电网单相接地故障快速诊断，同时发挥神经网络良好的泛函逼近能力及容错性和抗干扰的能力，从而实现故障诊断的可靠性和准确性。

技术领域

本发明属于故障诊断领域，特别涉及一种基于粗糙神经网络的配电网单相接地故障诊断方法。

技术背景

目前，我国的配电网多数为采用中性点不接地或经消弧线圈接地方式的小电流接地系统。单相接地故障是配电网常见的故障类型，准确、快速的对配电网单相接地故障进行诊断和定位是长期以来国内外一直关注的一大难题。随着电网智能化和数字化建设要求的发展，研究一种准确、快速监测的用于配电网单相接地故障监测与诊断的方法，对提高配电网供电可靠性和供电单位服务能力具有重要现实意义。

针对配电网单相接地故障准确、快速诊断难题，目前已有的研究提出了基于不同原理的故障诊断方法，其中包括：

适用于经中性点不接地系统的零序电流幅值法、零序电流比相法和群体比幅比相法，这些方法受线路长短、过渡电阻大小和电流互感器不平衡等因素影响，容易发生误判；适应于经消弧线圈接地系统的有功分量法、能量法和零序导纳法，这些方法利用零序电流的有功分量进行诊断，不受负荷谐波源和暂态过程的影响，但是受消弧线圈串联或并联电阻、接地电阻和不平衡电流的影响，从而影响故障诊断准确性；在经消弧线圈接地系统中，五次谐波法利用零序电流谐波分量的幅值和相位进行诊断，但易受到不平衡电流和过度电阻的影响，尤其是电网中存在电弧炉和整流设备等谐波源时，容易形成误判；小波法适应于中性点不接地或经消弧线圈接地系统，对非平稳信号具有较好的分析效果，但是容易受小波基函数及小波分解尺度的选择、接地电阻过大、暂态电流的高频分量过小等因素影响，从而发生误诊断。以上不同原理的单相接地故障诊断方法都具有一定的可行性，同时也具有局限性，上述方法通常都是基于某一种故障特征进行诊断，然而配电网的结构复杂决定了其发生单相接地故障时情况的多变性，使某些故障信号特征在一定情况不明显，以至于依据这些特征的诊断方法有可能会失效，从而发生误诊断或漏诊断。

本发明的目的，在于针对现有配电网单相接地故障诊断方法的不足，提出一种综合多种故障特征、多种故障诊断方法的基于粗糙神经网络的综合诊断方法。基于粗糙集理论对故障样本强大的数据挖掘和简约能力，得到故障状态诊断决策表作为神经网络的输入量，结合神经网络良好的泛函逼近能力及容错性，从而实现对配电网单相接地故障的准确、快速诊断和定位。

发明内容

本发明的技术解决方案是一种基于粗糙神经网络的配电网单相接地故障诊断方法，其能够克服现有技术的某种或某些缺陷，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；