【技术实现步骤摘要】
本专利技术涉及电网单相接地故障区段定位，特别是一种基于多判据融合的单相接地故障免阈值选段方法。
技术介绍
1、随着电力系统的发展及高比例分布式电源的接入，配电网结构的复杂程度不断提高，更易引发故障。在所有故障中，单相接地故障占80％以上。当非有效接地配电网发生永久性单相接地故障时，线电压仍保持对称，但若长时间无法断开接地故障区段，容易使非故障相绝缘薄弱处发生击穿，形成相间短路故障。因此，快速准确定位并隔离接地故障区段，对于提高配电网运行可靠性有重要意义。而现有的故障区段定位方法还未能很好地解决问题，这是由于当前配电网多采用中性点非有效接地的运行方式，故障情况复杂且受外界干扰因素影响，导致故障电流波形畸变和极性跳变。因此，需进一步研究谐振接地系统单相接地故障区段定位工作。
2、发生故障时暂态分量含有丰富的故障信息。因此，近年来学者们多倾向于基于暂态信息特征开展故障区段定位研究。而在实际应用中暂态信号易受故障条件和环境噪声的影响，故障区段定位的准确率难以保证。同时，考虑单相接地故障稳态特征量微弱，单一判据的故障区段定位算法通常较难取得相对理想的结果。因此，采用并融合多种调度平台可采集的线路数据作为判据具有一定前景。
3、此外，配电线路结构复杂，故障信息具有维数高、影响因素多、关系复杂等特征，因此借助人工智能算法进行故障区段定位成为该领域的研究热点。目前，人工智能在配电网故障定位中的应用，一般分为采用匹配软件仿真得到的自建数据库和利用仿真所得样本对模式识别算法进行训练两类，均存在参数多、配置复杂且故障样本少的问
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于多判据融合的单相接地故障免阈值选段方法，单相接地故障免阈值选段方法融合多特征作为判据提高了选段的准确性，同时克服了传统接地故障区段定位方法存在阈值难设置的问题，提高了接地故障区段定位装置的适用性和准确性，提高了配电网单相接地故障诊断的自动化水平。
2、为实现上述目的，本专利技术采用如下技术方案：一种基于多判据融合的单相接地故障免阈值选段方法，配电网发生单相接地故障后，获取线路各区段故障前后零序电流、零序电压、有功功率、无功功率差值数据，剔除存在缺失数据的样本；依次对各特征量采用3σ准则进行异常数据清洗，线性归一化后分别构建零序电流差值、有功功率差值、无功功率差值的故障特征矩阵；融合三个故障特征矩阵得到综合特征矩阵；由动态时间弯曲距离dtw算法对两个综合特征矩阵进行相互关系的搜索，获取到两序列间距离最小的最优路径；在此基础上引入全局路径约束sakoe-chiba和粒子群优化策略，通过改进dtw算法求取各综合特征向量两两之间的互相关系数矩阵，作为特征输入；由免阈值设定的模糊c均值聚类fcm算法将输入的互相关系数矩阵按隶属度划分至某一聚类中心，同一类的对象之间相似度最大，数据柔性模糊划分后无需设置阈值即可选出故障区段。
3、在一较佳的实施例中：单相接地故障区段定位步骤如下：
4、步骤一：采集并获取发生故障前后线路各区段的零序电流差值、有功功率差值、无功功率差值数据；
5、步骤二：对数据进行清洗与归一化处理，分别构建故障特征矩阵；
6、步骤三：融合处理后的三个故障特征矩阵得到综合特征矩阵；
7、步骤四：通过改进dtw算法求取各综合特征向量两两之间的互相关系数矩阵；
8、步骤五：将互相关系数矩阵作为输入特征量，由免阈值设定的模糊c均值聚类算法判断故障区段。
9、在一较佳的实施例中：步骤三将零序电流差值、有功功率差值、无功功率差值故障特征矩阵合并得到综合特征矩阵，改善采用单一判据时单相接地故障稳态特征量微弱的缺点，多判据融合提高了故障区段定位方法的可靠性与准确性。
10、在一较佳的实施例中：步骤四采用的改进的dtw算法在传统的dtw算法上引入全局路径约束，限制路径搜索范围，提高dtw的计算速度；同时，引入粒子群优化策略，提高参数选取的准确性，进一步削弱对时不准确、信号不同步的影响。
11、在一较佳的实施例中：模糊c均值聚类算法聚类作为一种模式识别方法，将输入的多维数据按隶属度划分至某一聚类中心，被划分到同一类的对象之间相似度最大，而不同类对象之间的相似度最小，从而实现无需设置阈值即可选出故障区段。
12、与现有技术相比，本专利技术具有以下有益效果：
13、1、融合多判据提高故障区段定位准确率。改善了采用单一判据时单相接地故障稳态特征量微弱的缺点，多判据融合提高了故障区段定位方法的可靠性与准确性。
14、2、采用改进dtw算法评估两序列相关性的性能更优。改进的dtw算法在传统的dtw算法上引入全局路径约束(sakoe-chiba约束)和粒子群优化策略，提高dtw的计算速度与参数选取的准确性，进一步削弱对时不准确、信号不同步的影响。
15、3、利用模糊c均值聚类实现免阈值设置且不需要大量训练样本。配电线路故障信息具有维数高、影响因素多、关系复杂等特征，借助人工智能算法进行故障区段定位提升了信息处理的效率与准确率。摒弃传统的与历史数据纵向对比学习的方法，采用免阈值设定的聚类算法，将当前线路各区段特征量间相似度横向对比，判别故障区段，可以克服机器学习参数多、配置复杂且故障样本少的问题，可移植性强，更具工程应用前景。
本文档来自技高网...【技术保护点】
1.一种基于多判据融合的单相接地故障免阈值选段方法，其特征在于：配电网发生单相接地故障后，获取线路各区段故障前后零序电流、零序电压、有功功率、无功功率差值数据，剔除存在缺失数据的样本；依次对各特征量采用3σ准则进行异常数据清洗，线性归一化后分别构建零序电流差值、有功功率差值、无功功率差值的故障特征矩阵；融合三个故障特征矩阵得到综合特征矩阵；由动态时间弯曲距离DTW算法对两个综合特征矩阵进行相互关系的搜索，获取到两序列间距离最小的最优路径；在此基础上引入全局路径约束Sakoe-Chiba和粒子群优化策略，通过改进DTW算法求取各综合特征向量两两之间的互相关系数矩阵，作为特征输入；由免阈值设定的模糊C均值聚类FCM算法将输入的互相关系数矩阵按隶属度划分至某一聚类中心，同一类的对象之间相似度最大，数据柔性模糊划分后无需设置阈值即可选出故障区段。
2.根据权利要求1所述的一种基于多判据融合的单相接地故障免阈值选段方法，其特征在于：单相接地故障区段定位步骤如下：
3.根据权利要求2所述的一种基于多判据融合的单相接地故障免阈值选段方法，其特征在于：步骤三将零序电流差值
4.根据权利要求2所述的一种基于多判据融合的单相接地故障免阈值选段方法，其特征在于：步骤四采用的改进的DTW算法在传统的DTW算法上引入全局路径约束，限制路径搜索范围，提高DTW的计算速度；同时，引入粒子群优化策略，提高参数选取的准确性，进一步削弱对时不准确、信号不同步的影响。
5.根据权利要求2所述的一种基于多判据融合的单相接地故障免阈值选段方法，其特征在于：模糊C均值聚类算法聚类作为一种模式识别方法，将输入的多维数据按隶属度划分至某一聚类中心，被划分到同一类的对象之间相似度最大，而不同类对象之间的相似度最小，从而实现无需设置阈值即可选出故障区段。
...【技术特征摘要】
1.一种基于多判据融合的单相接地故障免阈值选段方法，其特征在于：配电网发生单相接地故障后，获取线路各区段故障前后零序电流、零序电压、有功功率、无功功率差值数据，剔除存在缺失数据的样本；依次对各特征量采用3σ准则进行异常数据清洗，线性归一化后分别构建零序电流差值、有功功率差值、无功功率差值的故障特征矩阵；融合三个故障特征矩阵得到综合特征矩阵；由动态时间弯曲距离dtw算法对两个综合特征矩阵进行相互关系的搜索，获取到两序列间距离最小的最优路径；在此基础上引入全局路径约束sakoe-chiba和粒子群优化策略，通过改进dtw算法求取各综合特征向量两两之间的互相关系数矩阵，作为特征输入；由免阈值设定的模糊c均值聚类fcm算法将输入的互相关系数矩阵按隶属度划分至某一聚类中心，同一类的对象之间相似度最大，数据柔性模糊划分后无需设置阈值即可选出故障区段。
2.根据权利要求1所述的一种基于多判据融合的单相接地故障免阈值选段方法，其特征在于：单相接地故障区段定位步骤...
【专利技术属性】
技术研发人员：黄劼，汪逸帆，林叶青，胡荔丹，张君琦，田野，
申请(专利权)人：国网福建省电力有限公司，
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。