基于人工智能的配电网故障定位方法及装置制造方法及图纸

本发明专利技术公开了一种基于人工智能的配电网故障定位方法及装置，方法包括以下步骤：采集配电网各分支线末端的行波；根据各分支线末端的行波，获取初始行波的到达时间；对非故障区域的冗余行波信息进行分析和处理，确定行波在各分支线末端的传播特性；根据行波在各分支线末端的传播特性，对行波波速进行预处理；根据初始行波的到达时间和预处理后的行波波速，构建故障分支识别矩阵；根据所述故障分支识别矩阵及预设的阈值，对配电网故障分支进行判定，得到判定结果；根据所述判定结果，对配电网故障分支进行定位，得到故障位置

【技术实现步骤摘要】
基于人工智能的配电网故障定位方法及装置


[0001]本专利技术涉及一种基于人工智能的配电网故障定位方法及装置，属于配电网故障定位

。

技术介绍

[0002]随着配电网的发展，其规模和复杂度不断增大，发生各种故障的概率也在提高
。
为了保证配电网的安全稳定运行，需要对发生故障的部位进行及时准确的定位和处理
。
传统的配电网故障定位方法有的主要依赖线路参数计算
、
传感器测量等手段，定位精度和速度较难满足要求
。
[0003]近年来，配电网故障定位技术取得了长足发展
。
基于行波理论的故障定位方法成为热点，行波法定位是根据波在传输线路上波阻抗不连续节点的反射特性来确定故障点的距离，该方法利用行波传播特性反映故障信息的原理进行定位
。
但现有行波法定位方法可能对行波的提取和处理存在局限，难以准确获取行波在故障前后各分支线的传播特性，从而影响最后的故障定位精度
。
[0004]针对上述问题，本本专利技术提出了一种基于人工智能的配电网故障定位措施
。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种基于人工智能的配电网故障定位方法及装置，能够获取行波的到达时间和构建故障分支识别矩阵，更快速地完成对故障分支的精确定位
。
[0006]本专利技术解决其技术问题采取的技术方案是：
[0007]第一方面，本专利技术实施例提供的一种基于人工智能的配电网故障定位方法，包括以下步骤：
[0008]采集配电网各分支线末端的行波；
[0009]根据各分支线末端的行波，获取初始行波的到达时间；
[0010]对非故障区域的冗余行波信息进行分析和处理，确定行波在各分支线末端的传播特性；
[0011]根据行波在各分支线末端的传播特性，对行波波速进行预处理；
[0012]根据初始行波的到达时间和预处理后的行波波速，构建故障分支识别矩阵；
[0013]根据所述故障分支识别矩阵及预设的阈值，对配电网故障分支进行判定，得到判定结果；
[0014]根据所述判定结果，对配电网故障分支进行定位，得到故障位置
。
[0015]作为本实施例一种可能的实现方式，所述采集配电网各分支线末端的行波，包括：
[0016]在配电网的各个分支线的末端安装行波检测设备
D
x
，
x
＝1，2，
…
，
y
；
D
x
表示第
x
个分支线末端安装的行波检测设备，
y
为分支线总数；
[0017]通过行波检测设备进行监测：
S
x
＝
w
x
×
D
x
，采集原始行波信号，其中，
S
x
表示第
x
个
分支线末端检测到的原始行波信号，
w
x
表示该检测设备的可靠性权重；
[0018]对原始行波信号进行初步处理：
S
x
′
＝
f(w
x
′×
S
x
)
，得到预处理行波信号，其中，
S
x
′
表示预处理后得到的行波信号，
f
表示预处理函数，
w
x
′
表示预处理函数对第
x
个分支线信号的处理权重；
[0019]将预处理行波信号储存或传输至中央数据处理中心
。
[0020]作为本实施例一种可能的实现方式，在将预处理行波信号储存或传输至中央数据处理中心过程中，
[0021]通过
C
＝
{w
″1×
S
′1,w
″2×
S
′2,
…
,w
″
y
×
S
′
y
}
传输预处理信号，其中，
C
表示中央数据处理中心，
w
x
″
表示传输第
x
个分支线信号
S
x
′
的优先级权重；
[0022]通过
S
＝
w1′×
S1′
+w2′×
S2′
+
…
+w
y
′×
S
y
′
进行中央数据处理中心的信号融合，其中，
S
表示融合后的信号，
w
x
′
表示第
x
个分支线信号
S
x
′
的融合权重
。
[0023]作为本实施例一种可能的实现方式，所述根据各分支线末端的行波，获取初始行波的到达时间，包括：
[0024]根据配电网属性确定触发参数：根据将拓扑结构分为
m
个区域，每个区域确定触发参数，其中
i
＝1，2，
…
，
m
；
j
＝1，2，
…
，
m
i
；
m
i
是第
i
个区域的线路数，
ω
ij
，
η
ij
，
ζ
ij
是权重系数，
P
i
为触发参数，表示配电网某区域
i
的综合触发特征量；
U
ij
表示配电网中第
i
个区域
、
第
j
条线路的电压；
I
ij
表示配电网中第
i
个区域
、
第
j
条线路的电流；
R
ij
表示配电网中第
i
个区域
、
第
j
条线路的电阻，其中，
i
表示配电网的第
i
个区域，
j
表示该区域中的第
j
条供电线路；
[0025]根据所述触发参数：
T
i
(t)
＝
α
T
i
(t
‑
1)+(1
‑
α
)(k
i
P
i
(t)+b
i
)
，确定触发阈值
T
i
，当触发参数
≥
触发阈值时，则开始采集行波信号，其中
α...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的配电网故障定位方法，其特征在于，包括以下步骤：采集配电网各分支线末端的行波；根据各分支线末端的行波，获取初始行波的到达时间；对非故障区域的冗余行波信息进行分析和处理，确定行波在各分支线末端的传播特性；根据行波在各分支线末端的传播特性，对行波波速进行预处理；根据初始行波的到达时间和预处理后的行波波速，构建故障分支识别矩阵；根据所述故障分支识别矩阵及预设的阈值，对配电网故障分支进行判定，得到判定结果；根据所述判定结果，对配电网故障分支进行定位，得到故障位置
。2.
根据权利要求1所述的基于人工智能的配电网故障定位方法，其特征在于，所述采集配电网各分支线末端的行波，包括：在配电网的各个分支线的末端安装行波检测设备
D
x
，
x
＝1，2，
…
，
y
；
D
x
表示第
x
个分支线末端安装的行波检测设备，
y
为分支线总数；通过行波检测设备进行监测：
S
x
＝
w
x
×
D
x
，采集原始行波信号，其中，
S
x
表示第
x
个分支线末端检测到的原始行波信号，
w
x
表示该检测设备的可靠性权重；对原始行波信号进行初步处理：
S
x
′
＝
f(w
x
′×
S
x
)
，得到预处理行波信号，其中，
S
x
′
表示预处理后得到的行波信号，
f
表示预处理函数，
w
x
′
表示预处理函数对第
x
个分支线信号的处理权重；将预处理行波信号储存或传输至中央数据处理中心
。3.
根据权利要求2所述的基于人工智能的配电网故障定位方法，其特征在于，在将预处理行波信号储存或传输至中央数据处理中心过程中，通过
C
＝
{w
″1×
S
′1,w
″2×
S
′2,
…
,w
″
y
×
S
′
y
}
传输预处理信号，其中，
C
表示中央数据处理中心，
w
x
″
表示传输第
x
个分支线信号
S
x
′
的优先级权重；通过
S
＝
w1′×
S1′
+w2′×
S2′
+
…
+w
y
′×
S
y
′
进行中央数据处理中心的信号融合，其中，
S
表示融合后的信号，
w
x
′
表示第
x
个分支线信号
S
x
′
的融合权重
。4.
根据权利要求1所述的基于人工智能的配电网故障定位方法，其特征在于，所述根据各分支线末端的行波，获取初始行波的到达时间，包括：根据配电网属性确定触发参数：根据将拓扑结构分为
m
个区域，每个区域确定触发参数，其中
i
＝1，2，
…
，
m
；
j
＝1，2，
…
，
m
i
；
m
i
是第
i
个区域的线路数，
ω
ij
，
η
ij
，
ζ
ij
是权重系数，
P
i
为触发参数，表示配电网某区域
i
的综合触发特征量；
U
ij
表示配电网中第
i
个区域
、
第
j
条线路的电压；
I
ij
表示配电网中第
i
个区域
、
第
j
条线路的电流；
R
ij
表示配电网中第
i
个区域
、
第
j
条线路的电阻，其中，
i
表示配电网的第
i
个区域，
j
表示该区域中的第
j
条供电线路；根据所述触发参数：
T
i
(t)
＝
α
T
i
(t
‑
1)+(1
‑
α
)(k
i
P
i
(t)+b
i
)
，确定触发阈值
T
i
，当触发参数
≥
触发阈值时，则开始采集行波信号，其中
α
是平滑系数，
k
i
，
b
i
为该区域的线性系数，
T
i
表示配电网区域
i
需要达到的触发条件数值，
t
为时间；根据
t
0i
＝
t∣
当
P
i
(t)≥T
i

【专利技术属性】
技术研发人员：杨会轩，于希彬，苏明，夏倩倩，王金灿，
申请(专利权)人：北京华清未来能源技术研究院有限公司华科因诺，
类型：发明
国别省市：