一种配电网故障定位方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种配电网故障定位方法、装置、设备及介质，方法包括：获取配电网中的实时故障行波数据，并转化为故障数据集；其中，所述配电网由不同的T形电路组成；将所述故障数据集输入预先训练好的SAE故障定位模型中，所述SAE故障定位模型输出故障点距离量测装置的距离，得到故障点在配电网中的位置；其中，所述SAE故障定位模型部署于JESTSON NANO边缘装置中。本发明专利技术方法采用SAE故障定位模型进行故障定位，故障定位相比于现有技术定位更加准确。故障定位相比于现有技术定位更加准确。故障定位相比于现有技术定位更加准确。

【技术实现步骤摘要】
一种配电网故障定位方法、装置、设备及介质


[0001]本专利技术属于配电网自动化
，具体涉及一种配电网故障定位方法、装置、设备及介质。

技术介绍

[0002]配电网具有馈线众多，开关设备分布广，供电范围小，架空线路和电缆线路混联供电等特点。随着大规模分布式能源的接入，配电网络结构变得更加复杂。
[0003]从配电网故障定位功能来说可分为两类：故障区段定位和故障精确定位。故障区段定位主要用于故障支路的判断。由于中低压配电网线路一般为多分支结构，故障后只需定位故障支路并切除故障支路，即可恢复对非故障区段的供电，降低故障影响，减小停电范围。配电网故障精确定位主要用于对故障点位置的定位，一般认为配电网线路长度较短，故障点精确定位需求不明确。近年来，配电网建设中出现了以下趋势，促进了配电网精确故障定位研究的发展：(1)随着电缆应用的日益广泛，电缆
‑
架空线混合线路数量增多，运营单位希望实现故障点的精确定位，便于故障抢修。(2)随着农网改造及建设的推进，出现了数量众多的长距离配电网线路，长距离线路对故障点精确定位的需求较为迫切。目前，配电网故障精确定位研究尚处于起步阶段。

技术实现思路

[0004]本专利技术的目的在于提供一种配电网故障定位方法、装置、设备及介质，以解决现有技术中故障定位不准确的问题。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]第一方面，一种配电网故障定位方法，包括如下步骤：
[0007]获取配电网中的实时故障行波数据，并转化为故障数据集；其中，所述配电网由不同的T形电路组成；
[0008]将所述故障数据集输入预先训练好的SAE故障定位模型中，所述SAE故障定位模型输出故障点距离量测装置的距离，得到故障点在配电网中的位置；其中，所述SAE故障定位模型的训练数据来自含T形电路的配电网，所述SAE故障定位模型部署于JESTSON NANO边缘装置中。
[0009]进一步的，所述将所述故障数据集输入预先训练好的SAE故障定位模型中，所述SAE故障定位模型输出故障点在配电网中的位置的步骤中，所述SAE故障定位模型的训练方式如下：
[0010]搭建包含T形状电路的配电网等效模型，并根据配电网等效模型，搭建故障模块，将故障模块和配电网等效模型相对接组成综合模型；
[0011]通过故障模块设置不同工况下的故障，对综合模型进行故障模拟，综合模型仿真获取仿真故障行波数据，对仿真故障行波数据进行预处理，得到多组数据，构建数据集得到故障样本；
[0012]将所述故障样本划分为训练集和测试集进行训练，得到训练好的SAE故障定位模型。
[0013]进一步的，所述对故障行波数据进行预处理的步骤，包括如下：
[0014]采用小波模极大值的方法获取故障行波数据中行波波头，并截取波头达到时刻前后预设时间的波形数据；
[0015]采用Karrenbauer变换从波形数据提取行波线模分量；
[0016]采用Min
‑
Max方法，对行波线模分量进行归一化。
[0017]进一步的，所述综合模型仿真获取故障行波数据的步骤中，所述故障行波数据为双端行波波形数据。
[0018]进一步的，所述SAE故障定位模型部署于JESTSON NANO边缘装置中的方式如下：
[0019]将训练好的所述SAE故障定位模型封装为API，创建Demo包，生成build、demo.egg
‑
info、dist三个目录，并在边缘设备上调用demo包，实现模型部署。
[0020]进一步的，所述获取配电网中的实时故障行波数据，并转化为故障数据集的步骤，具体包括：
[0021]获取配电网中的实时故障行波数据；
[0022]识别故障行波数据中的行波波头；
[0023]获取行波波头后的故障数据；
[0024]对行波波头后故障数据的三相电压数据进行相模变换；
[0025]对相模变换后的数据进行归一化处理，得到故障数据集。
[0026]进一步的，所述SAE故障定位模型部署于JESTSON NANO边缘装置中后，用仿真数据对JESTSON NANO边缘装置的故障定位开发板卡进行测试，验证是否满足误差标准需求。
[0027]第二方面，一种配电网故障定位装置，包括：
[0028]获取模块，用于获取配电网中的实时故障行波数据，并转化为故障数据集；其中，所述配电网由不同的T形电路组成；
[0029]故障识别模块，用于将所述故障数据集输入预先训练好的SAE故障定位模型中，所述SAE故障定位模型输出故障点距离量测装置的距离，得到故障点在配电网中的位置；其中，所述SAE故障定位模型的训练数据来自含T形电路的配电网，所述SAE故障定位模型部署于JESTSON NANO边缘装置中。
[0030]第三方面，一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现上述的配电网故障定位方法。
[0031]第三方面，一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现上述的配电网故障定位方法。
[0032]与现有技术相比较，本专利技术的有益效果如下：
[0033]1)本专利技术提供的配电网故障定位方法，获取配电网中的实时故障行波数据，配电网由不同的T形电路组成；将故障数据集输入预先训练好的SAE故障定位模型中，SAE故障定位模型输出故障点距离量测装置的距离，得到故障点在配电网中的位置；所用到的SAE故障定位算法训练数据来自于含T形状电路的电网模型，具备对带有分支的配电网故障位置进行有效定位的能力。
[0034]2)本专利技术提供的配电网故障定位方法，其SAE故障定位模型部署于JESTSON NANO
边缘装置中，利用Jetson Nano平台强大的现代AI算法计算性能与可同时处理多个高分辨率传感器的能力，结合SAE故障定位算法，实现故障距离的估算。
[0035]3)本专利技术结合了Jetson Nano平台和SAE故障定位算法，从而解决了现有神经网络在配电网故障中难以实际落地的窘境。
附图说明
[0036]构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0037]图1为本专利技术实施例一种配电网故障定位方法的工作流程图；
[0038]图2为本专利技术实施例中SAE故障定位模型的训练流程图；
[0039]图3为本专利技术实施例一种配电网故障定位装置的结构框图；
[0040]图4为本专利技术实施例一种电子设备的结构框图。
具体实施方式
[0041]下面将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0042]以下详细说明均是示例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种配电网故障定位方法，其特征在于，包括如下步骤：获取配电网中的实时故障行波数据，并转化为故障数据集；其中，所述配电网由不同的T形电路组成；将所述故障数据集输入预先训练好的SAE故障定位模型中，所述SAE故障定位模型输出故障点距离量测装置的距离，得到故障点在配电网中的位置；其中，所述SAE故障定位模型的训练数据来自含T形电路的配电网。2.根据权利要求1所述的配电网故障定位方法，其特征在于，所述将所述故障数据集输入预先训练好的SAE故障定位模型中，所述SAE故障定位模型输出故障点在配电网中的位置的步骤中，所述SAE故障定位模型的训练方式如下：搭建包含T形状电路的配电网等效模型，并根据配电网等效模型，搭建故障模块，将故障模块和配电网等效模型相对接组成综合模型；通过故障模块设置不同工况下的故障，对综合模型进行故障模拟，综合模型仿真获取仿真故障行波数据，对仿真故障行波数据进行预处理，构建数据集得到故障样本；将所述故障样本划分为训练集和测试集进行训练，得到训练好的SAE故障定位模型。3.根据权利要求2所述的配电网故障定位方法，其特征在于，所述对故障行波数据进行预处理的步骤，包括如下：采用小波模极大值的方法获取仿真故障行波数据中行波波头，并截取波头达到时刻前后预设时间的波形数据；采用Karrenbauer变换从波形数据提取行波线模分量；采用Min
‑
Max方法，对行波线模分量进行归一化。4.根据权利要求2所述的配电网故障定位方法，其特征在于，所述综合模型仿真获取仿真故障行波数据的步骤中，所述仿真故障行波数据为双端行波波形数据。5.根据权利要求1所述的配电网故障定位方法，其特征在于，所述SAE故障定位模型部署于JESTSON NANO...

【专利技术属性】
技术研发人员：宋鑫，张志远，王思远，高尚，李熙钦，张茂群，聂杰良，茹嘉昕，罗国敏，陈登明，赵虎，朱孝天，孙峰，章昊，杨帆，谭久俞，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：