【技术实现步骤摘要】
一种基于深度学习的配电网高阻接地故障辨识方法及系统
[0001]本专利技术涉及用电系统保护领域，具体涉及一种基于深度学习的配电网高阻接地故障辨识方法及系统。
技术介绍
[0002]我国6～35kV配电网普遍采用中性点不接地或经消弧线圈接地等小电流接地方式。据统计，该方式下的单相接地故障占配网总故障的80％左右。小电流接地系统在发生高阻接地故障时，故障电流很小、电气量特征极其不明显且仍然可以保持线电压的对称性，不影响供电。因此，电力系统规程规定，小电流接地系统发生单相接地故障后仍然允许继续运行1～2个小时。但这种接地故障很容易发展成多相短路，同时接地所引起的弧光过电压会损坏电力设备，造成不可估量的后果。同时，故障时所表现出的特征很大程度上还受中性点接地方式的影响。目前，6kV
‑
35kV的中压配电网主要采用中性点不接地方式、中性点经消弧线圈接地方式以及小电阻接地方式共三种，中性点的接地方式不统一，进一步加大了高阻接地故障辨识的难度，近年来，随着配电智能自动化设备的大量投运、配电网拓扑越来越趋于复杂以及自然环境...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的配电网高阻接地故障辨识方法，其特征在于,包括：将零序电流互感器和零序电压互感器采集到的零序电流以及零序电压数据进行相位判断，得到中性点接地方式；对配电网故障电压波形数据提取电压信号特征，在预先训练好的多个残差网络选择与所述中性点接地方式匹配的子网络，对所述电压信号特征进行识别，得到高阻接地故障的辨识结果；将所述中性点接地方式与所述高阻接地故障的辨识结果相结合作为配电网高阻接地故障辨识系统的输出结果；其中，所述多个残差网络包括多个子网络，每个子网络对应不同的中性点接地方式。2.如权利要求1所述的方法，其特征在于，所述将零序电流互感器和零序电压互感器采集到的零序电流以及零序电压数据进行相位判断，得到中性点接地方式，包括：将获取的线路故障稳态时期前后的周期零压波形数据和零流波形数据进行标准化处理结合插值平均互相关函数得到两波形数据之间的延迟时间；基于所述延迟时间结合相位差计算式得到零序电压与零序电流的相位差；若所述零压和零流相位差为正，则判定故障发生所处系统为经消弧线圈接地方式；否则，判定故障发生所处系统为中性点不接地方式。3.如权利要求2所述的方法，其特征在于，所述插值平均互相关函数如下式所示：式中，为插值平均互相关函数；R
ij
为原始信号互相关函数；R
ij
′
为中间插值信号互相关函数。4.如权利要求2所述的方法，其特征在于，所述波形数据的获取包括：以历史时刻配电网中故障发生前后的设定周期为标准获取零流波形和零压波形；将所述零流波形和零压波形进行统一采样频率得到波形数据。5.如权利要求2所述的方法，其特征在于，所述对配电网故障电压波形数据提取电压信号特征，在预先训练好的多个残差网络选择与所述中性点接地方式匹配的子网络，对所述电压信号特征进行识别，得到高阻接地故障的辨识结果，包括：将提取的中性点不接地系统下发生单相接地故障电压数据输入到预先训练好的多个残差网络中对应匹配的中性点不接地系统子网络进行识别，得到高阻接地故障或非高阻接地故障；将提取的中性点经消弧线圈接地系统下发生单相接地故障电压数据输入到预先训练好的多个残差网络中对应匹配的中性点经消弧线圈接地系统子网络进行识别，得到高阻接地故障或非高阻接地故障。6.如权利要求5所述的方法，其特征在于，所述多个残差网络的训练，包括：分别采集历史时刻不同种中性点接地方式系统的线路故障数据；对每一种中性点接地方式系统的线路故障数据提取电压信号特征并进行批量归一化处理，将所述归一化处理后电压信号特征和对应的高阻接地故障的辨识结果构建训练集和测试集；
采用每一种中性点接地方式的训练集和测试集对一个残差网络进行训练，得到训练好的每一种中性点接地方式的子网络；将所有训练好的中性点接地方式的子网络合并，构建多个残差网络；其中，所述中性点接地方式系统的线路故障数据，包括下述中的一种或多种：线路故障瞬时的暂态电压数据和线路故障稳态时期前后的周期电压波形数据。7.如权利要求1所述的方法，其特征在于，还包括：基于粒子群算法对残差网络初始参数寻优。8.如权利要求7所述的方法，其特征在于，所述基于粒子群算法对残差网络初始参数寻优，包括：基于残差网络的群体规模、粒子维数、迭代次数、粒子速度以及粒子位置结合粒子适应度函数计算式得到粒子适应度值；基于所述粒子适应度值与...
【专利技术属性】
技术研发人员：吴岩，吴燕，孟晓丽，周菲嫣，关石磊，宋晓辉，尹惠，古凌云，陈洁，
申请(专利权)人：国家电网有限公司，
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。