[发明专利]智能在线式配电网接地故障定位方法

说明书

本发明公开了智能在线式配电网接地故障定位方法，该配电网接地故障定位方法包括同步采样、基于DFT递推算法的启动、时频模故障瞬态信号的准确提取、基于概率神经网络的故障分类和故障区段定位，将时频模复合特征提取与概率神经网络联合定位，是基于同步采样和暂态故障特征量综合分析方法，采用智能式综合分析技术解决了配电网接地故障定位的难题，在接地故障实时定位方面具有良好的应用前景。

技术领域

本发明涉及一种人工智能的配电网接地故障特征综合分析技术，具体涉及一种智能在线式配电网接地故障定位方法，属于配电网技术领域。

背景技术

电网接地故障占据电力系统总故障的90％，也是大停电事故的主要根源，给人们的社会生活造成了全面而深刻的负面影响。减少电力故障，建设坚强智能电网是各国电网的主要目标。实时接地故障检测与定位不仅能够赢得故障事故处理所需的宝贵时间，还能发现某些特定条件下故障的问题，提高智能电网系统的健壮性。

配电网线路复杂、分支繁多，线路长度不固定，接地故障发生不可控，一旦发生波及范围广，影响较为恶劣。现有的故障选线定位方法分为：故障信号法以及注入信号跟踪法。利用故障信号法又可以分为利用稳态故障信号量和暂态故障信号量两大类。传统的基于稳态量的方法，判断故障的速度与准确性等方面的不足日益显露，因此现有的实时接地故障定位仍然无法准确有效进行。而故障后的暂态量信号强，内容丰富，受系统运行状况影响小，这对故障分类的速度、准确可靠度有极大的提高。

发明内容

本发明的目的是：提供一种智能在线式配电网接地故障定位的方法，是人工智能的配电网接地故障特征综合分析技术，解决配电网接地故障定位的难题。

本发明采取的技术方案是该智能在线式配电网接地故障定位方法的具体步骤如下：

S1)同步采样：所述同步采样为基于GPS的同步采样，即所有装置的采样脉冲均是经过GPS的1pps同步的，保证所有装置的采样和录波数据的同步性；

S2)基于DFT递推算法的启动：采用DFT递推算法计算采集的电压和电流信号，判断通过递推计算得出的X_m(k)在一段区间内是否发生变化，若比设置的幅值明显增加10％，则出现疑似故障信号，开始启动故障录波；

S3)基于时频模的瞬时信号的准确提取：对记录下来的数据采用S变换将时域信号变换为含有时频特征的模信号，利用故障时的暂态信号减去稳态量准确提取故障信号；

S4)基于概率神经网络的故障分类：基于统计学中的概率密度函数的非参数估计方法，用故障样本集训练PNN网络分类模型，准确高效的分类出待识别样本的类别；

S5)基于行波传输理论的故障区段定位：对截取故障线路采集到的故障后半个工频周期的信号，通过用S变换分析两个时间序列的相位移动，推断出波形运动的相位变化，提取故障点的特征频率f，利用公式计算对应的故障距离为S。

所述步骤S1)中，同步采样方法为基于GPS的同步采样，具体包括：

(A1)用GPS接收器发出的1HZ频率的方波同步脉冲信号PPS作为ADC时钟同步信号，保证ADC时钟前沿与GPS同步；

(A2)在同步的时间基准上的同一时间产生采样脉冲信号，确保各装置采样的同步性；

(A3)装置接收GPS的1pps信号和时间标签，校准装置内部时钟。

所属步骤S2)中，故障录波包含故障暂态过程，为了真实记录和还原暂态过程，选取故障前1/4个周波和故障后5/4个周波进行录波。

所述步骤S2)中，基于DFT递推算法的启动方法的具体步骤为：

(B1)x(n)的N点离散傅里叶变换，公式如下：