【技术实现步骤摘要】
配电网故障原因的分类方法、装置、设备及存储介质
[0001]本专利技术涉及电力系统
，具体而言，涉及一种配电网故障原因的分类方法、装置、设备及存储介质。
技术介绍
[0002]配电网作为国民经济和社会发展的重要公共基础设施，与广大电力用户直接相连，是电能传输链条的重要环节，配电网故障会影响电力系统的安全稳定运行及供电可靠性。
[0003]由于配电网地理位置分散且操作环境复杂，极易受到各种因素的影响导致故障的发生，如树线矛盾故障、绝缘击穿故障等。我国配电网大多采用小电流接地方式，即中性点不接地或经消弧线圈接地，小电流接地系统的故障80％以上为单相接地故障。为此，对于配电网单相接地故障，其故障原因的准确快速识别对于故障清除和供电恢复至关重要。
[0004]目前，配电网单相接地故障的原因识别与分类方法主要依靠“人工巡线”，由操作人员沿线路巡视查找故障原因，不仅耗费大量的人力物力资源，延长停电时间，而且易产生误判，识别准确率较低。
[0005]针对上述的问题，目前尚未提出有效的解决方案。
专利技...
【技术保护点】
【技术特征摘要】
1.一种配电网故障原因的分类方法，其特征在于，包括：获取不同故障类型的配电网故障的零序电流波形数据；基于从所述零序电流波形数据中选取的目标波形数据，确定训练集和测试集，其中，所述目标波形数据包括：在发生所述配电网故障之前的第一预定时间段内的零序电流波形数据，以及发生所述配电网故障之后的第二预定时间段内的零序电流波形数据；分别对所述训练集和所述测试集进行分解处理得到的具有信号局部特征的本征模态函数分量，对应得到第一特征向量和第二特征向量；将所述第一特征向量进行归一化处理后输入至初始故障原因分类模型进行训练，得到训练后的故障原因分类模型，其中，所述初始故障原因分类模型为基于长短期记忆网络构建得到的；将所述第二特征向量进行归一化处理后输入至所述训练后的故障原因分类模型，得到所述配电网故障的故障原因分类结果。2.根据权利要求1所述的分类方法，其特征在于，基于从所述零序电流波形数据中选取的目标波形数据，确定训练集和测试集，包括：从所述零序电流波形数据中选取在发生所述配电网故障之前的第一预定时间段内的零序电流波形数据，以及发生所述配电网故障之后的第二预定时间段内的零序电流波形数据；将所述第一预定时间段内的零序电流波形数据和所述第二预定时间段内的零序电流波形数据进行数据增强处理，得到所述训练集和所述测试集。3.根据权利要求1所述的分类方法，其特征在于，分别对所述训练集和所述测试集进行分解处理得到的具有信号局部特征的多个本征模态函数分量，对应得到第一特征向量和第二特征向量，包括：采用经验模态分解算法，按照不同的时间尺度对所述训练集中的每一个零序电流波形数据进行分解处理，得到多个所述本征模态函数分量；采用经验模态分解算法，按照不同的时间尺度对所述测试集中的每一个零序电流波形数据进行分解处理，得到多个所述本征模态函数分量；组合所述训练集对应的多个所述本征模态函数分量，得到第一特征向量，以及组合所述测试集对应的多个所述本征模态函数分量，得到第二特征向量。4.根据权利要求1所述的分类方法，其特征在于，将所述第一特征向量进行归一化处理后输入至初始故障原因分类模型进行训练，得到训练后的故障原因分类模型，包括：将所述第一特征向量进行归一化处理后输入至初始故障原因分类模型进行训练，得到所述配电网故障的第一输出特征向量；将所述第一输出特征向量输入至分类器，并由所述分类器将所述第一输出特征向量映射为每个故障原因的第一概率分布值；采用每个所述故障原因的所述第一概率分布值与预定标签分布构建损失函数对所述初始故障原因分类模型进行训练，直至满足预定停止条件，得到所述训练后的故障原因分类模型，其中，所述预定停止条件包括以下至少之一：初始故障原因分类模型收敛、满足预定训练次数。5.根据权利要求1所述的分类方法，其特征在于，将所述第二特征向量进行归一化处理
后输入至所述训练后的故障原因分类模型，得到所述配电网...
【专利技术属性】
技术研发人员：于希娟，及洪泉，张淼，于浩然，宣振文，赵贺，王志勇，李鑫明，刘硕，刘灏，毕天姝，
申请(专利权)人：国家电网有限公司华北电力大学，
类型：发明
国别省市：
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。