基于多算法归一化分析的单相接地故障研判方法技术

本发明专利技术公开了一种基于多算法归一化分析的单相接地故障研判方法，利用预先训练完成的深度学习模型对选定母线下选定时段的工况数据进行故障识别，确定是否发生故障；利用预先训练完成的决策树对确定发生故障的工况数据进行多工况类型辨别。本发明专利技术辅助调度人员对配电网单相接地进行快速定位，形成可操作结果，为提高调度人员故障处理效率、保障配电网运行稳定性提供基础。

【技术实现步骤摘要】
基于多算法归一化分析的单相接地故障研判方法
本专利技术涉及配电网
，具体涉及一种基于多算法归一化分析的单相接地故障研判方法。
技术介绍
我国中压配电网广泛采用中性点非有效接地运行方式，主要包括中性点不接地方式和经消弧线圈接地方式。相对于高压输电网络，中压配电网发生故障的概率要高很多，尤其是单相接地故障多发，统计表明单相接地故障约占配电网故障总数的80％。中性点非有效接地运行方式的配电网发生单相接地故障时，不会形成短路回路，仅由系统的分布电容引起很小的接地故障电流，故又被称为小电流接地故障。由于系统三相之间的线电压基本保持不变，对负荷供电不会造成影响，理论上系统可以带故障运行一段时间。但由于接地时非故障相对地电压升高，特别是间歇性弧光接地故障时，会产生弧光过电压，严重危害系统绝缘和设备安全。同时，过电压可能导致接地故障转化为相间短路故障，使线路跳闸，造成用户停电。因此一种行之有效的单相接地故障确定方法就成为解决现有问题的重要手段。
技术实现思路
本专利技术旨在研究确定配电网发生单相接地时的故障类型问题，提供一种基于多算法本文档来自技高网...

【技术保护点】
1.一种基于多算法归一化分析的单相接地故障研判方法，其特征是，包括步骤：/n利用预先训练完成的深度学习模型对选定母线下选定时段的工况数据进行故障识别，确定是否发生故障；利用预先训练完成的决策树对确定发生故障的工况数据进行多工况类型辨别。/n

【技术特征摘要】
1.一种基于多算法归一化分析的单相接地故障研判方法，其特征是，包括步骤：
利用预先训练完成的深度学习模型对选定母线下选定时段的工况数据进行故障识别，确定是否发生故障；利用预先训练完成的决策树对确定发生故障的工况数据进行多工况类型辨别。


2.根据权利要求1所述的一种基于多算法归一化分析的单相接地故障研判方法，其特征是，所述深度学习模型包括CNN模型和DBN模型，所述深度学习模型的训练方法如下：
利用训练集数据对CNN模型进行预训练，获取CNN模型中卷积层和全连接层的参数；
固定CNN模型卷积层的参数，利用训练集经过CNN模型卷积层后的输出数据对DBN模型进行无监督的预训练，得到DBN模型中各RBM层的参数；
将CNN模型的全连接层作为DBN模型的RBM层，迁移预训练后获取的CNN模型的卷积层参数和DBN模型中RBM层的参数，并利用训练集数据对整个网络进行有监督的微调。


3.根据权利要求2所述的一种基于多算法归一化分析的单相接地故障研判方法，其特征是，还包括对深度学习模型的结果进行验证的步骤，具体包括：
引入故障识别率作为识别评价指标，其计算方法如下：



式中：T为输入的已知故障测试样本集合；C为集合中被正确识别的样本个数；
引入错分率或漏分率评价指标，其计算方式如下：



式中：N为输入的多种故障测试样本集合；M为集合中被错分或漏分的样本个数。


4.根据权利要求2...

【专利技术属性】
技术研发人员：时金媛，张蓓蓓，苏标龙，苏光，
申请(专利权)人：国电南瑞科技股份有限公司，国电南瑞南京控制系统有限公司，
类型：发明
国别省市：江苏;32