一种针对多接地方式的单相接地故障分类识别方法和系统技术方案

本发明专利技术提供了一种针对多接地方式的单相接地故障分类识别方法和系统，包括：用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；对配电网故障电压波形数据提取多域信号特征，在预先构建的多核神经网络选择与所述中性点接地方式匹配的子网络，对所述多域信号特征进行识别，得到过渡电阻的大小；将中性点接地方式和过渡电阻大小相结合作为配电网单相接地故障分类识别结果；本发明专利技术利用决策树和多核神经网络对线路故障前后的电压波形数据进行判断，辨识系统中性点接地方式，再进行单相经过渡电阻接地故障的识别，解决了现有技术对识别不同系统中性点接地方式发生经过渡电阻单相接地故障的可靠性不高，适用性差的问题

【技术实现步骤摘要】
一种针对多接地方式的单相接地故障分类识别方法和系统


[0001]本专利技术属于电力系统保护领域，具体涉及一种针对多接地方式的单相接地故障分类识别方法和系统
。

技术介绍

[0002]作为电力网的末端，配电网直接与用户相连，能敏锐的反应用户对供电安全
、
品质方面的要求，其运行安全性
、
可靠性和经济性直接关系到社会生产与人们的生活
。
据统计，电力系统中
60
％的故障来源于配电网，单相接地故障占所有故障的
80
％，一旦发生故障没有得到有效辨识，就会为社会带来巨大损失
。
[0003]由于故障电流较小，故障特征不明显，在故障点过渡电阻较大时，所呈现的电气量特征更加不明显，使得个别单相接地故障的识别呈现出一定的复杂性
。
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，进一步加大了单相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不稳定等因素的推动，使得对配电网各种保护装置中的历史故障数据分析成为一个必然的趋势
。
综合现有的数据挖掘体系，可以发现现有的数据挖掘技术与电力系统并没有很好的融合，因此要充分利用历史故障数据研究单相接地故障辨识分类，具有重要的工程实践价值
。
[0004]现有技术中，用于单相经过渡电阻接地故障识别与检测的方式主要分为三大类：
[0005]①
基于稳态电气量的识别方法
[0006]基于故障稳态信号识别方法主要有以下几种：零序电流比幅法
、
零序电流比相法
、
零序有功分量法
。
在实际应用中可能会出现精度降低
、
受中性点接地方式影响等问题；另外由于受到量测值小或者不确定的影响，此种方法难以满足实际需要
。
[0007]②
基于暂态电气量的识别方法
[0008]基于故障暂态信号识别方法主要有以下几种：衰减直流分量法
、
首半波法
、
参数识别法
。
利用暂态分量进行辨识具有灵敏度高
、
受消弧设备影响较小等优点，但容易受到系统波动以及现场环境的影响，准确度容易受到影响
。
[0009]③
基于谐波分量的识别方法
[0010]基于谐波分量的识别方法以五次谐波法为代表，发生故障时会产生大量5次谐波，因此可以用作故障诊断
。
但由于系统本身可能存在谐波源，以及负荷不对称，特别是当系统发生短路时，其他测量元件也会产生5次谐波，导致此判据失败
。
因此实际应用中5次谐波分量法识别效果很不理想
。
[0011]综上，配电网在不同中性点接地方式下单相接地故障表现十分复杂多样，针对不同的中性点接线方式
、
故障点过渡电阻的大小不同都呈现出不同的故障特征，对于经过渡电阻单相接地故障的辨识分类还存在一定的困难，难以保证供电可靠性
。
针对不同系统中性点接地方式发生经过渡电阻单相接地故障进行分类识别的方法可靠性不高
、
适用性较差
的技术问题，目前尚未提出有效的解决方案
。

技术实现思路

[0012]为克服上述现有技术的不足，本专利技术提出一种针对多接地方式的单相接地故障分类识别方法，包括：
[0013]用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；
[0014]对配电网故障电压波形数据提取多域信号特征，在预先构建的多核神经网络选择与所述中性点接地方式匹配的子网络，对所述多域信号特征进行识别，得到过渡电阻；
[0015]将中性点接地方式和过渡电阻相结合作为配电网单相接地故障分类识别结果；
[0016]其中，所述多核神经网络包括多个子神经网络，每个子神经网络对应不同的中性点接地方式
。
[0017]优选的，所述决策树的建立过程，包括：
[0018]以中性点电压的偏移量和故障发生时刻的暂态过程持续时间为输入数据，以对应的不同种中性点接地方式为输出数据，构建决策树的训练数据集；
[0019]以中性点电压的偏移量和故障发生时刻的暂态过程持续时间作为树状结构的分支节点，以不同种中性点接地方式作为树状结构的叶子节点，构建树状结构；
[0020]以所述训练数据集对所述树状结构进行训练，得到中性点电压的偏移量分支节点的阈值和故障发生时刻的暂态过程持续时间分支节点的阈值；
[0021]基于所述阈值和所述树状结构生成决策树
。
[0022]优选的，所述中性点电压的偏移量和故障发生时刻的暂态过程持续时间的获取，包括：
[0023]采集历史时刻的配电网故障电压波形数据，至少包括下述中的一种或多种：线路故障稳态时期前后的周期电压波形，以故障发生前的一个周期的电压波形为参考样本，判断故障后中性点电压是否发生偏移，计算并得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间
。
[0024]优选的，所述用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式，包括：
[0025]将获取的线路故障稳态时期前后的周期电压波形数据进行处理，得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间，通过决策树判断中性点接地方式；
[0026]若中性点电压的偏移量超过决策树中性点电压的偏移量分支节点的阈值，即判定故障发生所处系统为中性点不接地系统，若中性点电压的偏移量未超过决策树中性点电压的偏移量分支节点的阈值，则比较故障发生时刻的暂态过程持续时间；
[0027]若故障发生时刻的暂态过程持续时间大于决策树故障发生时刻的暂态过程持续时间分支节点的阈值，即判定故障发生所处系统为中性点经消弧线圈接地系统，否则为小电阻接地系统
。
[0028]优选的，所述多核神经网络的构建过程，包括：
[0029]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，至少包括下述中的一种或多种：线路故障瞬时的电压数据和线路故障稳态时期前后的周期电压波形数据；
[0030]对不同种中性点接地方式系统的线路故障数据提取多域信号特征，并进行归一化处理，将归一化处理后的多域信号特征和对应的过渡电阻大小划分为训练集和测试集；
[0031]分别采用不同种中性点接地方式的训练集和测试集对对应的子神经网络的故障特征权重进行训练，得到不同种中性点接地方式的子网络；
[0032]将不同种中性点接地方式系统的子网络合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种针对多接地方式的单相接地故障分类识别方法，其特征在于，包括：用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；对配电网故障电压波形数据提取多域信号特征，在预先构建的多核神经网络选择与所述中性点接地方式匹配的子神经网络，对所述多域信号特征进行识别，得到过渡电阻；将中性点接地方式和过渡电阻相结合作为配电网单相接地故障分类识别结果；其中，所述多核神经网络包括多个子神经网络，每个子神经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，所述决策树的建立过程，包括：以中性点电压的偏移量和故障发生时刻的暂态过程持续时间为输入数据，以对应的不同种中性点接地方式为输出数据，构建决策树的训练数据集；以中性点电压的偏移量和故障发生时刻的暂态过程持续时间作为树状结构的分支节点，以不同种中性点接地方式作为树状结构的叶子节点，构建树状结构；以所述训练数据集对所述树状结构进行训练，得到中性点电压的偏移量分支节点的阈值和故障发生时刻的暂态过程持续时间分支节点的阈值；基于所述阈值和所述树状结构生成决策树
。3.
如权利要求2所述的方法，其特征在于，所述中性点电压的偏移量和故障发生时刻的暂态过程持续时间的获取，包括：采集历史时刻的配电网故障电压波形数据，至少包括下述中的一种或多种：线路故障稳态时期前后的周期电压波形，以故障发生前的一个周期的电压波形为参考样本，判断故障后中性点电压是否发生偏移，计算并得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间
。4.
如权利要求2所述的方法，其特征在于，所述用预先建立的决策树对获取的配电网故障电压波形数据进行判断，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电压波形数据进行处理，得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间；若中性点电压的偏移量超过决策树中性点电压的偏移量分支节点的阈值，则判定故障发生所处系统为中性点不接地系统，若中性点电压的偏移量未超过决策树中性点电压的偏移量分支节点的阈值，则比较故障发生时刻的暂态过程持续时间；若故障发生时刻的暂态过程持续时间大于决策树故障发生时刻的暂态过程持续时间分支节点的阈值，即判定故障发生所处系统为中性点经消弧线圈接地系统，否则为小电阻接地系统
。5.
如权利要求1所述的方法，其特征在于，所述多核神经网络的构建过程，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，至少包括下述中的一种或多种：线路故障瞬时的电压数据和线路故障稳态时期前后的周期电压波形数据；对不同种中性点接地方式系统的线路故障数据提取多域信号特征，并进行归一化处理，将归一化处理后的多域信号特征和对应的过渡电阻划分为训练集和测试集；分别采用不同种中性点接地方式的训练集和测试集对对应的子神经网络的故障特征权重进行训练，得到不同种中性点接地方式的...

【专利技术属性】
技术研发人员：吴岩，孟晓丽，吴燕，关石磊，宋晓辉，尹惠，古凌云，陈洁，周菲嫣，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：