[发明专利]一种配网故障类型识别方法及系统

说明书

本发明公开了一种配网故障类型识别方法及系统，包括，利用LSTM结构建立深度网络模型辨识故障零序电流中的电弧特征以区分可靠接地故障与不可靠接地故障；将所述可靠接地故障与所述不可靠接地故障作为分类目标、故障电阻有效值序列作为输入量，基于接地电阻稳态有效值构建神经网络分类模型；利用所述神经网络分类模型识别接地故障类型。本发明通过深度网络对数据中的特征实现自动提取和辨识，且LSTM网络对可靠性接地故障和不可靠接地故障的分类性能较好，通过数据样本训练学习网络来对接接地故障辨识具有更高的方便性，无需人工提取特征，在此基础上，对各类型接地故障分类的多层神经网络分类模型能达到较高的识别准确率。

技术领域

本发明涉及配电网接地故障识别技术领域，尤其涉及一种配网故障类型识别方法及系统。

背景技术

随着电力系统技术的不断发展以及设备升级，电力运行数据也逐渐形成有规律的积累。同时越来越多的监测装置如PMU实现了低成本化，能够在配电网中广泛使用，这意味着配电网中可用的数据将不断丰富，可用性不断提高。

在现今电网设备的自动化升级背景下，配电网配套监测设备成本不断降低，对配电网运行和故障信息的监测手段不断丰富和完善，依靠单一设备监测的方法已难以满足从统一、全局层面保障配网正常运行的需求。随着我国智能电网的建设，国家和用户对供电可靠性的要求越来越高，到2020年我国供电可靠率要达到99.82％，配网线路故障占用户停电故障的绝大多数，因此及时快速的定位并处理配网线路故障是实现上述目标的重要手段。从电网运行的信息中对故障原因进行辨识，对故障原因形成系统日志，通过分析其发生频率以及每次故障的严重程度等数据信息，针对故障情况进行线路维护和操作，能够提供给配电网安全维护和运行更加丰富的信息，是从引发电网事故的主要源头上建立起进一步防御，能够提高配电网运行可靠性目标的重要保证，对提高电网安全运行可靠性具有十分重要的意义。近年来基于暂态法的配网线路故障定位技术大大提高了对单相接地故障的适应性，但是仅能将故障定位至区间，给故障点排查带来了一定的难度。若能进一步根据故障监测波形对故障类型进行判断，为故障巡线工人提供更加丰富、详细的故障信息，可大大提高故障排查的效率。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种配网故障类型识别方法，能够对各种接地故障类型进行准确识别。

为解决上述技术问题，本发明提供如下技术方案：包括，利用LSTM结构建立深度网络模型辨识故障零序电流中的电弧特征以区分可靠接地故障与不可靠接地故障；将所述可靠接地故障与所述不可靠接地故障作为分类目标、故障电阻有效值序列作为输入量，基于接地电阻稳态有效值构建神经网络分类模型；利用所述神经网络分类模型识别接地故障类型。

作为本发明所述的一种配网故障类型识别方法的一种优选方案，其中：建立所述深度网络模型之前需采集各类型接地故障数据波形，构建样本数据集；利用所述样本数据集分别对所述深度网络模型和所述神经网络分类模型进行训练；直至所述深度网络模型和所述神经网络分类模型输出识别分类结果时，停止训练。

作为本发明所述的一种配网故障类型识别方法的一种优选方案，其中：构建所述深度网络模型包括，定义所述LSTM的时间步长为10，则输入层特征规模为40；利用所述LSTM网络与Softmax网络层组成分类输出层，输出数量为2；所述输入层与所述分类输出层构成所述深度网络模型，且结合adam优化策略求解以二分类对数损失函数为目标的所述深度网络模型，如下，