一种基于BP神经网络的配电网故障参数辨识方法技术

本申请公开了一种基于BP神经网络的配电网故障参数辨识方法，包括获取多组历史量测数据，构建配电网故障监测模型；判断配电网是否存在故障；若存在，获取故障位置并修复；获取分支节点、分裂节点和尾节点并构建参数辨识方程；获取配电网的实时量测数据；根据递推最小二乘法对实时量测数据进行辨识，获取参数辨识结果并与参数理论值相比较减少计算失误。本申请可以在对配电网故障进行诊断和修复的同时，辨识配电网参数，提高了配电网故障后参数辨识的效率；本申请通过对不同节点建立对应的参数辨识方程并进行归类，再利用递推最小二乘法实现对配电网相关参数的实时辨识，大大节省了编程的时间，提高了辨识的速度。提高了辨识的速度。提高了辨识的速度。

【技术实现步骤摘要】
一种基于BP神经网络的配电网故障参数辨识方法


[0001]本申请涉及配电网参数辨识
，尤其是一种基于BP神经网络的配电网故障参数辨识方法。

技术介绍

[0002]配电网的参数对于配电网的控制和分析有着至关重要的意义，配电网参数受温度、运行环境、集肤效应等因素的影响，很难直接通过仪表直接进行测量，特别是配电网发生故障后，相关参数如果变化过大，不利用配电网的安全运行。配电网包括多个节点，配电网参数包括线路电阻、线路电抗、变压器电阻、变压器电导、变压器电抗、变压器电纳。随着科技的飞速发展，对配电网的参数识别的要求更高，需要能够在线实时辨识配电网参数。
[0003]现有技术中，通常采用BP神经网络结合传统算法，对配电网参数进行辨识，比如：将电网结构转化为特殊的图形结构，采用迭代更新的方式，利用深度网络结构，学习电网中故障的信息并以此生成相应的模型来对故障进行诊断，再利用最小二乘法对配电网设备进行参数辨识。但是使用这种方法，每当配电网中的数据产生变化时，需要重新对每一个配电网参数进行计算，不能结合上一次辨识的结果来减小计算量，存在内存消耗过大、计算量过大、存储空间要求高等缺点，因此需要对现有方法进行改进。

技术实现思路

[0004]为了解决现有技术中在对配电网故障参数进行辨识时，传统算法计算量大效率低的问题，本申请公开了一种基于BP神经网络的配电网故障参数辨识方法，包括：
[0005]获取多组历史量测数据，所述多组历史量测数据为在不同历史时间的每条线路首端和尾端以及每个变压器高压侧和低压侧的电压幅值、有功功率和无功功率；
[0006]构建BP神经网络；
[0007]根据所述多组历史量测数据以及所述BP神经网络，构建配电网故障监测模型；
[0008]根据所述配电网故障监测模型，判断所述配电网是否存在故障；
[0009]若所述配电网存在故障，获取故障位置并修复；
[0010]获取分支节点、分裂节点和尾节点；所述分支节点为所述配电网中关联四条及以上支路的节点，所述分裂节点为所述配电网中关联三条支路的节点，所述尾节点为位于所述配电网尾端且关联两条支路的节点；
[0011]构建参数辨识方程，所述参数辨识方程包括分支节点线路参数辨识方程、分支节点变压器参数辨识方程、分裂节点线路参数辨识方程、分裂节点变压器参数辨识方程、尾节点线路参数辨识方程和尾节点变压器参数辨识方程；
[0012]获取所述配电网的实时量测数据，所述实时量测数据为当前每条线路首端和尾端以及每个变压器高压侧和低压侧的电压幅值、有功功率和无功功率；
[0013]根据递推最小二乘法以及所述参数辨识方程，对所述实时量测数据进行辨识，获取参数辨识结果；
[0014]获取参数理论值；
[0015]获取所述参数辨识结果与所述参数理论值的误差，判断所述误差是否位于预设误差范围内；
[0016]若所述误差不位于所述预设误差范围内，重新获取所述配电网的实时量测数据，直至误差位于所述预设误差范围内；
[0017]若所述误差位于所述预设误差范围内，获取所述参数辨识结果。
[0018]可选的，所述方法还包括：
[0019]若所述配电网不存在故障，获取所述配电网的实时量测数据。
[0020]可选的，所述获取所述配电网的实时量测数据之后，所述方法还包括：
[0021]对所述实时量测数据进行预处理，所述预处理包括：设置量测数据阈值，删除超出量测数据阈值的实时量测数据；根据牛顿插值法，对所述实时量测数据进行数据填充；根据数据规范法，对所述实时量测数据进行排列。
[0022]可选的，所述根据所述多组历史量测数据以及所述BP神经网络，构建配电网故障监测模型，包括：
[0023]获取训练数据，构建配电网故障监测模型并进行训练；
[0024]获取验证数据，验证所述配电网故障监测模型；所述训练数据占所述多组历史量测数据的80％，所述验证数据占所述多组历史量测数据的20％。
[0025]可选的，所述若所述配电网存在故障，获取故障位置并修复，包括；
[0026]若所述配电网存在故障，判断故障所在节点；
[0027]隔离故障所在节点；
[0028]对故障进行修复后，重新运行故障所在节点。
[0029]可选的，所述分支节点线路参数辨识方程用于辨识与分支节点相连的线路电阻和线路电抗；所述分支节点线路参数辨识方程根据与分支节点相连的线路电压降落的横、纵分量，以及与分支节点相连的相邻节点处电压，以及分支节点处有功功率、无功功率和电压构建。
[0030]可选的，所述分支节点变压器参数辨识方程用于辨识与分支节点处变压器电阻、变压器电抗、变压器电导和变压器电纳；所述分支节点变压器参数辨识方程根据与分支节点相连的相邻节点处的有功功率、无功功率及电压，以及分支节点处变压器有功功率和无功功率，以及分支节点处电压构建。
[0031]可选的，所述分裂节点线路参数辨识方程用于辨识与分裂节点相连的线路电阻和线路电抗；所述分裂节点线路参数辨识方程根据与分裂节点相连的线路电压降落的横、纵分量，以及与分裂节点相连的相邻节点处电压，以及分裂节点处有功功率、无功功率和电压构建。
[0032]可选的，所述分裂节点变压器参数辨识方程用于辨识与分裂节点相连的变压器电阻、变压器电抗、变压器电导和变压器电纳；所述分裂节点变压器参数辨识方程根据与分裂节点相连的相邻节点处的有功功率和无功功率，以及分裂节点处有功功率、无功功率和电压，以及分裂节点变压器处有功功率、无功功率和电压，以及分裂节点处有功损耗和无功损耗构建。
[0033]可选的，所述尾节点线路参数辨识方程用于辨识与尾节点相连的线路电阻和线路
电抗；所述尾节点线路参数辨识方程根据与尾节点相连的线路电压降落的横、纵分量，以及与尾节点相连的相邻节点处电压，以及尾点处有功功率、无功功率和电压构建。
[0034]可选的，所述尾节点变压器参数辨识方程用于辨识与尾节点相连的变压器电阻、变压器电抗、变压器电导和变压器电纳；所述尾节点变压器参数辨识方程根据与尾节点连接的相邻节点处有功功率、无功功率及电压，以及尾节点处变压器高压侧或低压侧有功功率、无功功率和电压构建。
[0035]本申请公开了一种基于BP神经网络的配电网故障参数辨识方法，包括：获取多组历史量测数据，所述多组历史量测数据为在不同历史时间的每条线路首端和尾端以及每个变压器高压侧和低压侧的电压幅值、有功功率和无功功率；构建配电网故障监测模型；判断配电网是否存在故障；若存在故障，获取故障位置并修复；获取分支节点、分裂节点和尾节点并构建参数辨识方程；获取配电网的实时量测数据；根据递推最小二乘法对实时量测数据进行辨识，获取参数辨识结果并与参数理论值相比较；判断误差是否位于预设误差范围内；若误差位于所述预设误差范围内，获取所述参数辨识结果。
[0036]本申请利用有限组历史量测数据，基于BP神经网络，对配电网故障监测模型进行训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的配电网故障参数辨识方法，其特征在于，包括：获取多组历史量测数据，所述多组历史量测数据为在不同历史时间的每条线路首端和尾端以及每个变压器高压侧和低压侧的电压幅值、有功功率和无功功率；构建BP神经网络；根据所述多组历史量测数据以及所述BP神经网络，构建配电网故障监测模型；根据所述配电网故障监测模型，判断所述配电网是否存在故障；若所述配电网存在故障，获取故障位置并修复；获取分支节点、分裂节点和尾节点；所述分支节点为所述配电网中关联四条及以上支路的节点，所述分裂节点为所述配电网中关联三条支路的节点，所述尾节点为位于所述配电网尾端且关联两条支路的节点；构建参数辨识方程，所述参数辨识方程包括分支节点线路参数辨识方程、分支节点变压器参数辨识方程、分裂节点线路参数辨识方程、分裂节点变压器参数辨识方程、尾节点线路参数辨识方程和尾节点变压器参数辨识方程；获取所述配电网的实时量测数据，所述实时量测数据为当前每条线路首端和尾端以及每个变压器高压侧和低压侧的电压幅值、有功功率和无功功率；根据递推最小二乘法以及所述参数辨识方程，对所述实时量测数据进行辨识，获取参数辨识结果；获取参数理论值；获取所述参数辨识结果与所述参数理论值的误差，判断所述误差是否位于预设误差范围内；若所述误差不位于所述预设误差范围内，重新获取所述配电网的实时量测数据，直至误差位于所述预设误差范围内；若所述误差位于所述预设误差范围内，获取所述参数辨识结果。2.根据权利要求1所述的一种基于BP神经网络的配电网故障参数辨识方法，其特征在于，所述方法还包括：若所述配电网不存在故障，获取所述配电网的实时量测数据。3.根据权利要求1所述的一种基于BP神经网络的配电网故障参数辨识方法，其特征在于，所述获取所述配电网的实时量测数据之后，所述方法还包括：对所述实时量测数据进行预处理，所述预处理包括：设置量测数据阈值，删除超出量测数据阈值的实时量测数据；根据牛顿插值法，对所述实时量测数据进行数据填充；根据数据规范法，对所述实时量测数据进行排列。4.根据权利要求1所述的一种基于BP神经网络的配电网故障参数辨识方法，其特征在于，所述根据所述多组历史量测数据以及所述BP神经网络，构建配电网故障监测模型，包括：获取训练数据，构建配电网故障监测模型并进行训练；获取验证数据，验证所述配电网故障监测模型；所述训练数据占所述多组历史量测数据的80%，所述验证数据占所述多组历史量测数据的20%。5.根据权利要求1所述的一种基于BP神经网络的配电网故障参数辨识方法，其特征在于...

【专利技术属性】
技术研发人员：焦昊，王海林，陈锦铭，刘伟，郭雅娟，李岩，陈烨，
申请(专利权)人：国网江苏省电力有限公司江苏省电力试验研究院有限公司，
类型：发明
国别省市：