[发明专利]一种基于小波变换和CNN的配电网故障定位方法

摘要

本发明涉及配电网故障定位技术领域，更具体地，涉及一种基于小波变换和CNN的配电网故障定位方法。利用小波变换多尺度分析对故障电流数据分解，在平行坐标系中按次序标定模极大值时刻，将各点依次连接形成折线图，最终处理为灰度图片作为CNN的输入，并利用CNN强大的特征提取能力，提取数据中隐藏的拓扑结构特征，实现机器自动识别行波波头。最终利用B型行波测距方法实现故障定位。本发明克服了小波变换高尺度时间分辨率不够，低尺度噪声干扰大，易误判行波波头的缺点，利用平行坐标系充分结合了小波变换和卷积神经网络的特点，实现了从高尺度到低尺度自动搜寻行波波头，具有抗干扰能力强，准确度高等特点。

主权项

1.一种基于小波变换和CNN的配电网故障定位方法，其特征在于，包括以下几个步骤：步骤S1：利用电力仿真软件(如Simulink)搭建故障模型，通过设置不同的故障类型、故障距离、电压幅值、功角等，获取大量故障电流数据，并分为训练数据和测试数据；步骤S2：对故障电流进行预处理及多尺度分析，分别得到第二尺度及以上尺度下的模极大值对应的时刻，形成模极大值折线图；对折线图根据故障距离和行波波速确定标签，形成训练集和测试集；步骤S3：根据图片数据特点，确定CNN的网络结构和卷积核的大小，利用训练集进行训练，画出迭代过程中价值函数变化曲线，对网络结构及超参数进行调整，再次训练，重复以上过程，确定最优CNN；步骤S4：利用测试集检测CNN泛化能力，若错误率为5％以下，则泛化能力强，说明选取的网络结构及参数优化较好；若错误率大于5％，则需要重复步骤S1至步骤S3；步骤S5：获取故障线路两端故障相电流，对故障相电流预处理，执行步骤S2，得到CNN的输入，得到线路首端输入为inm，末端输入inn；步骤S6：将输入inm和inn分别给CNN，根据CNN的输出对应确定行波波头到达线路首末端时刻tm和tn；步骤S7：采用B型行波法测距，根据公式可计算出故障点距离线路首端距离l，其中L为线路总长，为行波波速，由线路分布参数确定，L₁为线路正序电感，H/km，C₁为线路正序电容，F/km。