一种基于LSTM的单相接地故障选线方法及系统技术方案

本发明专利技术公开了一种基于LSTM的单相接地故障选线方法及系统，进行数据采集与数据处理，包括基于调度平台采集配电网监控的若干常规的电气量，并进行数据清洗的操作，得到原始的特征；选取特征量，包括根据采集的电气量构造若干新的特征，从原始的特征和新的特征中，采用多种特征量提取算法求得各特征的重要性程度，根据重要性程度选取特征量；建立基于LSTM的单相接地故障选线模型，包括输入层、三层隐藏层和输出层，输入层由特征量决定，前两层隐藏层为LSTM模块，第三层隐藏层为Dense模块，输出层为Dense模块；训练LSTM网络并测试，包括利用样本数据的特征量训练基于LSTM的单相接地故障选线模型，然后用训练好的单相接地故障选线模型获取接地故障判定结果。线模型获取接地故障判定结果。线模型获取接地故障判定结果。

【技术实现步骤摘要】
一种基于LSTM的单相接地故障选线方法及系统


[0001]本专利技术属于中低压配电网单相接地故障选线领域，具体涉及一种基于LSTM的单相接地故障选线方法及系统。

技术介绍

[0002]我国3～66kV配电网多为中性点不接地或经消弧线圈接地的小电流接地系统。统计数据表明，在中低压配电系统中，单相接地故障导致的系统故障比例达到了80％，影响系统的安全运行，导致设备损坏。实际应用是采用故障选线装置和人工拉路结合的方式进行选线，当采用人工拉路时，将造成非故障线路出现不必要的短时停电，降低了供电可靠性，影响了供电部门和用户的经济效益。因此在发生单相接地时，迅速准确的判断出故障线路，然后进行处理可以避免事故的扩大。
[0003]当发生单相接地故障时，故障相零序电流的幅值等于非故障相幅值之和，两者的相角相反。故在单相接地故障选线方面大多采用零序电流的幅值和相角作为特征量，再利用小波包分解或神经网络进行故障选线。
[0004]随着人工智能算法的不断发展，人工智能技术在各行各业中得以应用。将人工智能技术运用到单相接地故障选线技术中，有助于实现配电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LSTM的单相接地故障选线方法，其特征在于，包括以下步骤：步骤S1、数据采集与数据处理，包括基于调度平台采集配电网监控的若干常规的电气量，并进行数据清洗的操作，得到原始的特征；步骤S2、选取特征量，包括根据步骤1采集的电气量构造若干新的特征，从原始的特征和新的特征中，采用多种特征量提取算法求得各特征的重要性程度，根据重要性程度选取特征量；步骤S3、建立基于LSTM的单相接地故障选线模型如下，所述基于LSTM的单相接地故障选线模型共包含5层，包括输入层、三层隐藏层和输出层，输入层由特征量决定，前两层隐藏层为LSTM模块，第三层隐藏层为Dense模块，输出层为Dense模块，输出表示判定线路是否故障的结果；步骤S4、训练LSTM网络并测试，包括利用样本数据的特征量训练基于LSTM的单相接地故障选线模型，然后用训练好的单相接地故障选线模型获取接地故障判定结果。2.根据权利要求1所述的一种基于LSTM的单相接地故障选线方法，其特征在于：步骤S1中基于调度平台采集的电气量包括单相故障前后的电流、有功和无功数据，采用拉依达法则针对每个电气量特征循环识别出异常数据并剔除。3.根据权利要求1所述的一种基于LSTM的单相接地故障选线方法，其特征在于：步骤S2的实现如下，构建的新特征包括故障前后的电流差值ΔI、有功差值ΔP、无功差值ΔQ以及电压变化幅度ΔU
′
，计算如下，ΔI＝I
af
‑
I
bf
ΔP＝P
af
‑
P
bf
ΔQ＝Q
af
‑
Q
bf
式中下标I
af
、P
af
、Q
af
表示线路故障前的电流、有功功率以及无功功率，I
bf
、P
bf
、Q
bf
表示线路故障后的电流、有功功率以及无功功率；对构造特征和原始的特征采用Person相关系数、递归特征消去以及person相关系数方法求得各特征的重要性程度，选取特征量；最终选取的特征量为电流差值ΔI、电压变化幅度ΔU
′
、接地前无功Q_bf、有功差值ΔP...

【专利技术属性】
技术研发人员：邓长虹，刘正谊，应花梅，
申请(专利权)人：武汉大学，
类型：发明
国别省市：