System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力系统安全,具体是分布式电源并网系统继电保护故障检测方法及系统。
技术介绍
1、随着新型电力系统建设的推进,光伏、风电等分布式新能源大规模接入电网,发生故障时的扰动容易影响整个电网的安全运行。尤其在大量电力电子设备接入的情况下,包含着更多的暂态分量,和原有的工频信号结合,难以准确计算出实际信号的频率、幅值、相位等参数。进而影响以工频信号为基础的继电保护的故障诊断准确率,容易造成保护的误动或据动。因此,新型电力系统的故障诊断技术成为了目前亟需研究的一个方向。
2、传统的故障诊断方法主要是基于机理分析,包括傅里叶变换、小波变换以及prony算法。傅里叶变换不能反映故障的振动阻尼特性;小波变换可以进行高频信号的辨识,但是小波基函数选择不当会出现故障诊断效果差的问题;prony算法是基于衰减的余弦量估算原始信号,余弦信号包含故障的相位、幅值、频率等参数,能够对电网故障信息准确、全面地变现出来,然而,prony算法对分布式电源大量接入的高噪声场景下的故障诊断效果较差。因此,在面对分布式电源接入的复杂电网下,基于机理分析的故障诊断方法在处理非线性、离散性以及高噪声的故障时效果欠佳;同时,传统方法面对分布式电源接入的新型电力系统,难以获得电网数据随时间变化的故障信息,使得网络故障诊断的稳定性不强、准确率不高。
3、综上所述,目前在提取故障特征和故障诊断方法方面仍然存在一些不足之处。因此,如何更有效地获取电网的实时故障信息,并提高故障诊断的准确率成为一个突出的问题。
技术实现思
1、为了解决上述问题,本专利技术提出了一种能够提高故障诊断率的分布式电源并网系统继电保护故障检测方法及系统。
2、为了达到上述目的,本专利技术是通过以下技术方案来实现的:
3、本专利技术是分布式电源并网系统继电保护故障检测方法,包括如下操作:采集分布式电源接入电力系统时的线路三相电流数据,并分析分布式电源接入电力系统故障电流特性;
4、利用小波变换提取出故障电流时频特性;
5、设计包含卷积神经网络和双向门控循环单元的卷积循环神经网络算法,其中,利用卷积神经网络对输入的故障电流时频特性进行特征提取,利用双向门控循环单元对提取出的特征中的动态序列关系进行挖掘;
6、采用softmax分类器对双向门控循环单元输出的数据进行故障分类,完成故障诊断。
7、本专利技术的进一步改进在于:分析分布式电源接入电力系统故障电流特性,具体包括分析分布式电源输出的三相故障电流:
8、
9、式中,isa1(t)、isb1(t)、isc1(t)分别为故障后的a相、b相、c相电流;为故障电压跌落后的无功电流的指令值;为故障电压跌落后的无功电流的指令值;θi为a相电流初始相位;ω1为电流的角速度。
10、本专利技术的进一步改进在于:使用小波变换提取出故障电流时频特性,具体包括:
11、增加高频分段的差异,得到的电流暂态能量eh如下:
12、
13、式中:tw为积分时间,设置为1.5ms;dj(n)为第j层细节系数,对应高频信号。
14、本专利技术的进一步改进在于:利用卷积神经网络对输入的故障电流时频特性进行特征提取,其中,卷积神经网络包括卷积、激活、池化、全连接;
15、卷积表达式为:
16、
17、式中:xi为前一层的输入特征;xi+1为卷积之后的一层输出特征;为卷积运算;wi为卷积核的权重值;bi为偏置值;
18、激活表达式为:
19、
20、式中:yi为经过激活函数之后的输出;f(*)为激活函数;
21、池化表达式为:
22、max-pooling(f[i-1],f[i],f[i+1])=max(f[i-1],f[i],f[i+1]);
23、式中,max-pooling为最大池化操作;f[i]为第i个特征值;f[i+1]为第i+1个特征值;f[i-1]为第i-1个特征值;max(*)为取最大值函数;
24、全连接表达式为:
25、o(x)=f(wx+b);
26、式中,o(x)为全连接的输出,x为全连接的输入;f(*)为全连接的激活函数;w为全连接的权重;b为全连接的偏置。
27、本专利技术的进一步改进在于:利用双向门控循环单元对提取出的特征中的动态序列关系进行挖掘,具体包括:双向门控循环单元包括两个相反的门控循环单元,利用两个相反的门控循环单元,获取时间序列的依赖关系,表达式为:
28、
29、式中:σ为0到1范围的sigmod函数,“0”为全部遗忘,“1”为全部保留;wz为更新门的权重;wr为重置门的权重;wh为候选隐藏函数的权重;bz为更新门的偏置参数;br为重置门的偏置参数;xt为输入变量、ht-1为输出门前一时刻值;tanh为-1到1之间的双曲正切函数;为卷积运算;zt为输入门;rt为遗忘门;为输出门;ht为经过输出门处理的输出。本专利技术的分布式电源并网系统继电保护故障检测系统,系统包括数据采集与分析模块、故障电流时频特性提取模块、卷积循环神经网络算法模块、故障分类模块;
30、数据采集与分析模块,用于采集分布式电源接入电力系统时的线路三相电流数据,并分析分布式电源接入电力系统故障电流特性;
31、故障电流时频特性提取模块,用于利用小波变换提取出故障电流时频特性;
32、卷积循环神经网络算法模块,用于搭建包含卷积神经网络和双向门控循环单元的卷积循环神经网络算法,利用卷积神经网络对故障电流时频特性进行特征提取,利用双向门控循环单元对提取出的特征中的动态序列关系进行挖掘;
33、故障分类模块,用于利用softmax分类器对双向门控循环单元输出的数据进行故障分类,完成故障诊断。
34、本专利技术的进一步改进在于:数据采集与分析模块进行的分析分布式电源接入电力系统故障电流特性的操作包括分析分布式电源输出的三相故障电流:
35、
36、式中,isa1(t)、isb1(t)、isc1(t)分别为故障后的a相、b相、c相电流;为故障电压跌落后的无功电流的指令值;为故障电压跌落后的无功电流的指令值;θi为a相电流初始相位;ω1为电流的角速度。
37、本专利技术的进一步改进在于:故障电流时频特性提取模块进行的操作包括:
38、增加高频分段的差异,得到的电流暂态能量eh如下:
39、
40、式中:tw为积分时间,设置为1.5ms;dj(n)为第j层细节系数,对应高频信号。
41、本专利技术的进一步改进在于:利用双向门控循环单元对提取出的特征中的动态序列关系进行挖掘具体包括利用两个相反的门控循环单元,获取时间序列的依赖关系,表达式为:
42、
43、式中:σ为0到1范围的sigmod函数,“0”本文档来自技高网...
【技术保护点】
1.分布式电源并网系统继电保护故障检测方法,其特征在于:包括如下操作:采集分布式电源接入电力系统时的线路三相电流数据,并分析分布式电源接入电力系统故障电流特性;
2.根据权利要求1所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述分析分布式电源接入电力系统故障电流特性,具体包括分析分布式电源输出的三相故障电流:
3.根据权利要求1所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述使用小波变换提取出故障电流时频特性,具体包括:
4.根据权利要求1所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述利用卷积神经网络对输入的故障电流时频特性进行特征提取,其中,卷积神经网络包括卷积、激活、池化、全连接;
5.根据权利要求4所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述利用双向门控循环单元对提取出的特征中的动态序列关系进行挖掘,具体包括:所述双向门控循环单元包括两个相反的门控循环单元,利用两个相反的门控循环单元,获取时间序列的依赖关系,表达式为:
6.分布式电源并网系统继电保护故障
7.根据权利要求6所述的分布式电源并网系统继电保护故障检测系统,其特征在于:所述数据采集与分析模块进行的分析分布式电源接入电力系统故障电流特性的操作包括分析分布式电源输出的三相故障电流:
8.根据权利要求6所述的分布式电源并网系统继电保护故障检测系统,其特征在于:所述故障电流时频特性提取模块进行的操作包括:
9.根据权利要求6所述的分布式电源并网系统继电保护故障检测系统,其特征在于:所述利用双向门控循环单元对提取出的特征中的动态序列关系进行挖掘具体包括利用两个相反的门控循环单元,获取时间序列的依赖关系,表达式为:
10.电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述分布式电源并网系统继电保护故障检测方法的步骤。
...【技术特征摘要】
1.分布式电源并网系统继电保护故障检测方法,其特征在于:包括如下操作:采集分布式电源接入电力系统时的线路三相电流数据,并分析分布式电源接入电力系统故障电流特性;
2.根据权利要求1所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述分析分布式电源接入电力系统故障电流特性,具体包括分析分布式电源输出的三相故障电流:
3.根据权利要求1所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述使用小波变换提取出故障电流时频特性,具体包括:
4.根据权利要求1所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述利用卷积神经网络对输入的故障电流时频特性进行特征提取,其中,卷积神经网络包括卷积、激活、池化、全连接;
5.根据权利要求4所述的分布式电源并网系统继电保护故障检测方法,其特征在于:所述利用双向门控循环单元对提取出的特征中的动态序列关系进行挖掘,具体包括:所述双向门控循环单元包括两个相反的门控循环单元,利用两个相反的门控循环单元,获取时间序列的依赖关系,表达式为:
【专利技术属性】
技术研发人员:杨阳,匡子靓,王志利,尚文,
申请(专利权)人:国网山西省电力公司大同供电公司,
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。