The invention relates to a method for identifying high resistance grounding fault in distribution network based on convolution neural network. Firstly, the three-phase voltage and zero-sequence voltage signals of the low-voltage side of the main transformer under various transient disturbances are acquired, and then the signals are decomposed by local characteristic scale method, and the voltage signals are equally bandwidth. Band-pass filter is used to construct time-frequency matrix, and block time-frequency spectrum is obtained. Finally, convolution neural network algorithm is used to classify and identify the high resistance grounding fault.
【技术实现步骤摘要】
一种基于卷积神经网络的配电网高阻接地故障识别方法
本专利技术涉及配电网领域,特别是一种基于卷积神经网络的配电网高阻接地故障识别方法。
技术介绍
配电网是作为电力系统的末端直接与用户相连起分配电能作用的网络,包括0.4-110kV各电压等级的电网。配电网是电力系统中与用户联系最为紧密的环节,其覆盖面广泛,相比于输电网故障几率高,据统计,电力系统有80%以上的故障发生于配电网。目前,配电网的规模不断扩大,对配电网安全、可靠、经济运行的重视程度也随之增大,对配电网馈线的安全性和可靠性的要求自然也就越来越高。配电网络靠近负荷中心,具有结构多样、等级复杂等特点,此外,我国的配电网自动化程度较低,面对日渐提高的电能要求,提升配电系统的可靠性对电力系统的安全、可靠、稳定、经济运行起着重要作用。配电网拓扑复杂、线路众多,当导线掉落接触到如碎石、沥青、树木、沙砾等高阻性表面时,线路与接触表面之间呈现高阻性,此时发生的故障被称为高阻接地故障(HighImpedanceFault,HIF)。当遭遇大风、雷击等恶劣天气时,高阻接地故障也会发生。相较于一般单相接地故障,高阻接地故障的过渡电阻很大,可以达到几百甚至几千,其发生时故障电流很小,不到负荷电流的10%,电压、电流的变化量很小,常规的过流继电器检测困难,无法动作切除故障部分,可靠性不高。单相接地故障往往伴随着燃弧现象,将产生电弧接地过电压,作用时间较长,如果系统设备长期处在故障状态下运行,尤其是系统中存在未被检测出的高阻接地故障时,极易使系统设备出现新的接地点,引发短路故障,扩大事故影响。有统计分析表明,相当多的相间故障均是 ...
【技术保护点】
1.一种基于卷积神经网络的配电网高阻接地故障识别方法,其特征在于:包括以下步骤:步骤S1:获取高阻接地故障以及其他暂态扰动情况的暂态扰动信号;步骤S2:利用局部特征尺度分解方法分解步骤S1获取的信号;步骤S3:按照设定的频带对步骤S2分解后的信号进行带通滤波,构造时频矩阵;步骤S4:获取分块时频谱图;步骤S5:采用卷积神经网络算法对步骤S4获得的分块时频谱图进行分类识别,再利用BP算法训练CNN,通过训练完成的CNN实现配电网高阻接地故障的识别。
【技术特征摘要】
1.一种基于卷积神经网络的配电网高阻接地故障识别方法,其特征在于:包括以下步骤:步骤S1:获取高阻接地故障以及其他暂态扰动情况的暂态扰动信号;步骤S2:利用局部特征尺度分解方法分解步骤S1获取的信号;步骤S3:按照设定的频带对步骤S2分解后的信号进行带通滤波,构造时频矩阵;步骤S4:获取分块时频谱图;步骤S5:采用卷积神经网络算法对步骤S4获得的分块时频谱图进行分类识别,再利用BP算法训练CNN,通过训练完成的CNN实现配电网高阻接地故障的识别。2.根据权利要求1所述的一种基于卷积神经网络的配电网高阻接地故障识别方法,其特征在于:所述其他暂态扰动情况包括电容器投入、负荷投入、空载线路投入、以及单相接地故障。3.根据权利要求1所述的一种基于卷积神经网络的配电网高阻接地故障识别方法,其特征在于:所述步骤S1中,所述暂态扰动信号具体截取故障前的半个周波和故障后的一个半周波的母线三相电压和零序电压仿真波形。4.根据权利要求1所述的一种基于卷积神经网络的配电网高阻接地故障识别...
【专利技术属性】
技术研发人员:郭谋发,张君琦,高伟,洪翠,杨耿杰,
申请(专利权)人:福州大学,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。