户用储能拓扑中的线路故障检测方法及相关设备技术

本申请提供了一种户用储能拓扑中的线路故障检测方法及相关设备，其中，该方法包括：以户用储能拓扑中相互连接的两个设备为单位，获取两个设备间的输电线路的故障录波图序列；基于故障录波图中电流

【技术实现步骤摘要】
户用储能拓扑中的线路故障检测方法及相关设备


[0001]本申请涉及新能源电池
，尤其涉及一种户用储能拓扑中的线路故障检测方法及相关设备
。

技术介绍

[0002]故障录波器的录波信息是电力系统故障分析的重要依据，基于录波信息快速且准确地判断出系统的故障类型和故障位置，对电力系统的安全运行有着重大意义
。
故障录波图是故障录波器输出的能够反映电网故障的录波信息之一，对故障录波图进行分析是诊断电网故障的重要手段之一，然而，目前在电网发生故障时，基本是靠维护人员凭借经验对故障录波图进行分析和判断，故障诊断的效率相对较低
。

技术实现思路

[0003]针对上述问题，本申请提供了一种户用储能拓扑中的线路故障检测方法及相关设备，有利于提升户用储能中线路故障检测的效率
。
[0004]为实现上述目的，本申请第一方面提供了一种户用储能拓扑中的线路故障检测方法， 该方法包括：以户用储能拓扑中相互连接的两个设备为单位，获取两个设备间的输电线路的故障录波图序列；从故障录波图序列中确定出至少一张待检测故障录波图，对至少一张待检测故障录波图进行编码，得到每张待检测故障录波图对应的融合特征图；对融合特征图中的融合特征进行脉冲编码，得到输入脉冲序列；将输入脉冲序列输入脉冲神经网络模型，在脉冲神经网络模型中第
i
层的脉冲神经元向第（
i+1
）层的脉冲神经元传输脉冲信号时，从第
i
层的脉冲神经元中确定出第一目标脉冲神经元，基于第一目标脉冲神经元输出的脉冲信号在第二目标脉冲神经元内进行膜电位的累积，以得到脉冲神经网络模型中第
N
层的脉冲神经元输出的脉冲信号；
i
大于或等于1，且小于
N
，
N
为脉冲神经网络模型的总层数；第二目标脉冲神经元为第（
i+1
）层中与第一目标脉冲神经元连接的脉冲神经元；基于第
N
层的脉冲神经元输出的脉冲信号进行故障分类，得到两个设备间的输电线路的故障检测结果
。
[0005]结合第一方面，在一种可能的实施方式中，从故障录波图序列中确定出至少一张待检测故障录波图，包括：对于故障录波图序列中的任意一张故障录波图
P
，将故障录波图
P
二值化；在二值化后的故障录波图
P
中，计算电流
/
电压录波波形上的每个像素点与零基准线的像素距离，得到电流
/
电压录波波形的波峰与零基准线的第一像素距离及波谷与零基准线的第二像素距离；基于第一像素距离和第二像素距离确定故障录波图
P
表征两个设备间的输电线路
发生故障的故障系数；在故障系数大于或等于第一阈值的情况下，将故障录波图
P
确定为待检测故障录波图，以得到至少一张待检测故障录波图
。
[0006]结合第一方面，在一种可能的实施方式中，故障录波图
P
中的电流
/
电压录波波形包括
A
相电流
/
电压录波波形
、B
相电流
/
电压录波波形和
C
相电流
/
电压录波波形；基于第一像素距离和第二像素距离确定故障录波图
P
表征两个设备间的输电线路发生故障的故障系数，包括：获取二值化后的故障录波图
P
中
A、B、C
三相的电流录波波形的第一像素距离和第二像素距离大于或等于第二阈值的数量
x
；获取二值化后的故障录波图
P
中
A、B、C
三相的电压录波波形的第一像素距离和第二像素距离小于或等于第三阈值的数量
y
；计算二值化后的故障录波图
P
中
A、B、C
三相的电流录波波形对应的数量
x
与第四阈值的第一比值；计算二值化后的故障录波图
P
中
A、B、C
三相的电压录波波形对应的数量
y
与第四阈值的第二比值；将
A、B、C
三相中至少一相对应的第一比值和第二比值确定为故障系数
。
[0007]结合第一方面，在一种可能的实施方式中，对至少一张待检测故障录波图进行编码，得到每张待检测故障录波图对应的融合特征图，包括：获取每张待检测故障录波图对应的故障录波数据；故障录波数据中包括电流录波波形在每个时刻的相位和电压录波波形在每个时刻的相位；对于每张待检测故障录波图中电流
/
电压录波波形所在的前景像素点，将前景像素点的坐标
、
距零基准线的像素距离
、
对应的时刻和时刻对应的电流
/
电压相位作为前景像素点对应的融合特征，以及将前景像素点以外的背景像素点的坐标和0作为背景像素点对应的特征，得到融合特征图
。
[0008]结合第一方面，在一种可能的实施方式中，从第
i
层的脉冲神经元中确定出第一目标脉冲神经元，包括：针对第
i
层的第
j
个脉冲神经元，若第
j
个脉冲神经元与第（
i+1
）层的第
k
个脉冲神经元之间的突触权重为0，则将第
i
层中除第
j
个脉冲神经元以外的脉冲神经元确定为第一目标脉冲神经元；第
j
个脉冲神经元为第
i
层中的任意一个脉冲神经元；第
k
个脉冲神经元为第（
i+1
）层中的任意一个脉冲神经元；基于第一目标脉冲神经元输出的脉冲信号在第二目标脉冲神经元内进行膜电位的累积，以得到脉冲神经网络模型中第
N
层的脉冲神经元输出的脉冲信号，包括：计算第一目标脉冲神经元输出的脉冲信号的加权和，基于加权和在第二目标脉冲神经元内进行膜电位的累积；在第二目标脉冲神经元内累积的膜电位大于激发阈值时，激发第二目标脉冲神经元输出脉冲信号，得到第（
i+1
）层的脉冲神经元输出的脉冲信号；当
i
等于
N
‑1时，得到第
N
层的脉冲神经元输出的脉冲信号
。
[0009]结合第一方面，在一种可能的实施方式中，在获取两个设备间的输电线路的故障录波图序列之前，该方法还包括：
当户用储能拓扑处于并网工况时，获取两个设备间的输电线路无故障时
A、B、C
三相的电流
/
电压测试波形图；当户用储能拓扑处于离网工况时，获取两个设备间的输电线路无故障时
A、B、C
三相的电流
/
电压测试波形图；基于并网工况下
A、B、C
三相的电流测试波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种户用储能拓扑中的线路故障检测方法，其特征在于，所述方法包括：以所述户用储能拓扑中相互连接的两个设备为单位，获取所述两个设备间的输电线路的故障录波图序列；从所述故障录波图序列中确定出至少一张待检测故障录波图，对所述至少一张待检测故障录波图进行编码，得到每张待检测故障录波图对应的融合特征图；对所述融合特征图中的融合特征进行脉冲编码，得到输入脉冲序列；将所述输入脉冲序列输入脉冲神经网络模型，在所述脉冲神经网络模型中第
i
层的脉冲神经元向第（
i+1
）层的脉冲神经元传输脉冲信号时，从所述第
i
层的脉冲神经元中确定出第一目标脉冲神经元，基于所述第一目标脉冲神经元输出的脉冲信号在第二目标脉冲神经元内进行膜电位的累积，以得到所述脉冲神经网络模型中第
N
层的脉冲神经元输出的脉冲信号；
i
大于或等于1，且小于
N
，
N
为所述脉冲神经网络模型的总层数；所述第二目标脉冲神经元为所述第（
i+1
）层中与所述第一目标脉冲神经元连接的脉冲神经元；基于所述第
N
层的脉冲神经元输出的脉冲信号进行故障分类，得到所述两个设备间的输电线路的故障检测结果
。2.
根据权利要求1所述的方法，其特征在于，所述从所述故障录波图序列中确定出至少一张待检测故障录波图，包括：对于所述故障录波图序列中的任意一张故障录波图
P
，将所述故障录波图
P
二值化；在二值化后的所述故障录波图
P
中，计算电流
/
电压录波波形上的每个像素点与零基准线的像素距离，得到电流
/
电压录波波形的波峰与零基准线的第一像素距离及波谷与零基准线的第二像素距离；基于所述第一像素距离和所述第二像素距离确定所述故障录波图
P
表征所述两个设备间的输电线路发生故障的故障系数；在所述故障系数大于或等于第一阈值的情况下，将所述故障录波图
P
确定为待检测故障录波图，以得到所述至少一张待检测故障录波图
。3.
根据权利要求2所述的方法，其特征在于，所述故障录波图
P
中的电流
/
电压录波波形包括
A
相电流
/
电压录波波形
、B
相电流
/
电压录波波形和
C
相电流
/
电压录波波形；所述基于所述第一像素距离和所述第二像素距离确定所述故障录波图
P
表征所述两个设备间的输电线路发生故障的故障系数，包括：获取二值化后的所述故障录波图
P
中
A、B、C
三相的电流录波波形的所述第一像素距离和所述第二像素距离大于或等于第二阈值的数量
x
；获取二值化后的所述故障录波图
P
中
A、B、C
三相的电压录波波形的所述第一像素距离和所述第二像素距离小于或等于第三阈值的数量
y
；计算二值化后的所述故障录波图
P
中
A、B、C
三相的电流录波波形对应的所述数量
x
与第四阈值的第一比值；计算二值化后的所述故障录波图
P
中
A、B、C
三相的电压录波波形对应的所述数量
y
与第四阈值的第二比值；将
A、B、C
三相中至少一相对应的所述第一比值和所述第二比值确定为所述故障系数
。4.
根据权利要求2所述的方法，其特征在于，所述对所述至少一张待检测故障录波图进行编码，得到每张待检测故障录波图对应的融合特征图，包括：
获取所述每张待检测故障录波图对应的故障录波数据；所述故障录波数据中包括电流录波波形在每个时刻的相位和电压录波波形在每个时刻的相位；对于所述每张待检测故障录波图中电流
/
电压录波波形所在的前景像素点，将所述前景像素点的坐标
、
距零基准线的像素距离
、
对应的时刻和所述时刻对应的电流
/
电压相位作为所述前景像素点对应的融合特征，以及将所述前景像素点以外的背景像素点的坐标和0作为所述背景像素点对应的特征，得到所述融合特征图
。5.
根据权利要求1‑4任一项所述的方法，其特征在于，所述从所述第
i
层的脉冲神经元中确定出第一目标脉冲神经元，包括：针对所述第
i
层的第
j
个脉冲神经元，若所述第
j
个脉冲神经元与第（

【专利技术属性】
技术研发人员：黄英雄，
申请(专利权)人：厦门海辰储能科技股份有限公司，
类型：发明
国别省市：