【技术实现步骤摘要】
本专利技术新能源故障评价领域，特别是一种基于改进卷积神经网络的配电网故障评价方法及系统。
技术介绍
1、随“双碳”目标引领电力系统深刻变革和进化，新能源的大量接入使得配电网单向潮流特征发生变化，传统电力系统向有源转变，动态行为日益复杂。同时，柔性负荷和感应电机负荷增加导致电压稳定问题突出，微源动态特性各异，源荷深度耦合，配电网动态行为多时间尺度特征明显。因此，准确的配电网故障评价方法十分必要。
2、传统的故障评价主要依赖于遥信法、遥测法、人工神经网络法和旁路法。遥信法对故障的定位精度较低，可能无法准确确定故障点。另外，遥信法对暂时性故障和隐蔽性故障的检测能力较弱；遥测法对于复杂故障和多故障情况的识别能力有限，可能出现误判或漏判的情况。此外，遥测法需要大量的传感器和通信设备，增加了系统的复杂性和成本；人工神经网络法的准确性受限于训练数据的质量和数量。另外，训练过程可能需要大量的计算资源和时间；而旁路法对故障的定位精度受限于系统拓扑结构的复杂性，可能无法准确确定故障点，且旁路法对暂时性故障和隐蔽性故障的检测能力较弱。综合以上方法的不足之处，可以看出配电网故障评价面临的主要挑战包括：故障定位精度不高、对复杂故障和多故障情况的识别能力有限、对暂时性故障和隐蔽性故障的检测能力较弱、需要大量的传感器和通信设备，以及计算资源和时间等。因此，在实际应用中，通常会采用多种方法相结合的方式，以提高故障评价的准确性和可靠性。卷积神经网络作为一种典型的神经网络架构因其出色的特征提取和非线性函数关系表达能力得到越来越广泛的关注和研究，然而，传
技术实现思路
1、鉴于现有的基于改进卷积神经网络的配电网故障评价及系统中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于对高比例新能源接入的配电网故障评价分析困难，评价结果不准确。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种基于改进卷积神经网络的配电网故障评价方法，其包括，采集各条母线的电流量测信息包括电流幅值和相位数据；搭建改进卷积神经网络进行训练，根据采集的数据构建输入数据输入训练后的卷积神经网络中，获得输出数据对故障位置和影响范围进行评价。将所述故障位置和影响范围的评价部署在服务器，判断输出数据的稳定性，若输出数据不稳定，则结合谐波注入获得故障分析，记录故障数据，完成对故障的评价。
5、作为本专利技术所述基于改进卷积神经网络的配电网故障评价方法的一种优选方案，其中：所述改进卷积神经网络具有n+1层结构，第1层为输入层，需确定输入层的多时间尺度卷积核，并进行相应的时间尺度向量计算，其中，应先建立配电网中不同微源、柔性负荷的电流控制的方程，其闭环传递函数g为：
6、
7、其中，ωn为阻尼自然震荡频率，s为拉普拉斯算子，ξ为阻尼比。
8、作为本专利技术所述基于改进卷积神经网络的配电网故障评价方法的一种优选方案，其中：所述时间尺度计算为，
9、
10、其中，λ为常数，假定配电网中不同微源、柔性负荷的时间尺度计算为向量t，则t＝[tg1,tg2,tg3,…,tgm,tl1,tl2,tl3,…,tlk]，其中m和k分别代表配电网中动态的微源和负荷数量，g代表微源类时间尺度，l代表负荷类时间尺度；将得到的所述时间尺度向量按照数值大小将其中元素划分为v簇，v＝[v1,v2,…,vv]，其中每一元素对应于改进卷积神经网络的一个卷积核k的尺寸，每个卷积核k形状为(2×(vq/ts))，其中q＝1,2,3,…,v。
11、作为本专利技术所述基于改进卷积神经网络的配电网故障评价方法的一种优选方案，其中：获取所述电流幅值和相位数据构建输入数据，具体为单次输入x为采集的电流幅值和相位数据，x为一个(2*i)×(j*ts)的矩阵，i为配电网中电流量测点数量，j为采样次数，每个量测点产生时序的两行数据，分别为电流幅值时序数据，大小为1×(j*ts)和电流相位时序数据，大小为1×(j*ts)，在输入x中按照幅值序列在上，相位序列在下的方式排放，摆放完毕第p个量测处采集的两行数据后，继续摆放第p+1个量测处采集的电压数据。
12、作为本专利技术所述基于改进卷积神经网络的配电网故障评价方法的一种优选方案，其中：计算改进卷积神经网络的第1至第n-1层的卷积核与所述输入数据相似性的度量，具体为，在第1至第n-1层改进卷积神经网络中，卷积核k与数据κ(2×(vq/ts))相似性的度量采用向量2-范数和∞-范数进行度量，其度量公式分别为，
13、
14、
15、其中，k为卷积核，κ为输入数据，ts为采样周期，q为元素位置，r为表示位置的符号，无实际意义，vq/t表示数据κ中的元素。
16、作为本专利技术所述基于改进卷积神经网络的配电网故障评价方法的一种优选方案，其中：构建所述改进卷积神经网络的第n层，具体为，根据得到的度量结果经过多层卷积隐含层传递后，将第n-1层改进卷积神经网络的输出按照顺序展开为列向量xn＝[xn1,xn2,…,xnμ]t和卷积核kn＝[kn1,kn2,…,knμ]t，并采用余弦相似性度量不同时间尺度、不同微源、不同负荷经过前n-1层卷积网络输出的特征量与卷积核kn的相似度simn；
17、其中，余弦相似性计算公式为，
18、
19、其中，q表示元素位置，xn为第n-1层改进卷积神经网络的输出按照顺序展开为列向量，卷积核kn，相似度simn，μ为向量中元素个数。其中，结合相似度simn构建输出数据为根据相似度simn通过非线性激活函数sigmoid或tanh输出得到sim’，sim’为真实值sim的估计，每个输入数据x对应一个输出结果sim’；真实值sim通过时域仿真或根据真实运行数据，由专家判断该组x运行状态下，配电网发生故障的区域和潜在的故障类型。
20、作为本专利技术所述基于改进卷积神经网络的配电网故障评价方法的一种优选方案，其中：所述故障的评价包括当判定输出数据为不稳定电流时，将固定幅度和频率的谐波电压加到由传统控制回路输出的调制电压上，确保所有谐波频率都低于iidg逆变器输出滤波器的截止频率，谐波电压的振幅vmh约束为，
21、vmh≤(ith-ilim)zdg
22、其中，从ith为故障电流允许超过最大值，ilim表示基本电流幅度的有限值，zdg为iidg内阻。当iidg输出的瞬时电流在至少一相中超过其最大允许值ith时，“故障”信号设置为1，在故障被清除之后，当三相输出电压的幅度都大于阈值vth时，逆变器返回到正常操作，由此得到故障位置和影响范围。
23、第二方面，本专利技术实施例提供了一种基于改进卷积神经网络的配电网故障评价系统，其包括：数据获取模块，用于采集电流量测信息包括电流幅值和相位数据。构建模块，用于构本文档来自技高网...
【技术保护点】
1.一种基于改进卷积神经网络的配电网故障评价方法，其特征在于：包括，
2.如权利要求1所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：所述改进卷积神经网络具有n+1层结构，第1层为输入层，确定输入层的多时间尺度卷积核，并进行相应的时间尺度向量计算，建立配电网中不同微源、柔性负荷的电流控制的方程，其闭环传递函数G为，
3.如权利要求2所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：所述时间尺度的计算为，
4.如权利要求1所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：获取所述电流幅值和相位数据构建输入数据，具体为，
5.如权利要求4所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：计算改进卷积神经网络的第1至第n-1层的卷积核与所述输入数据的相似性的度量，具体为，在第1至第n-1层改进卷积神经网络中，卷积核K与数据κ(2×(Vq/Ts))相似性的度量采用向量2-范数和∞-范数进行度量，其度量公式分别为，
6.如权利要求5所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于
7.如权利要求6所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：所述故障的评价包括，
8.一种基于改进卷积神经网络的配电网故障评价系统，基于权利要求1～7任一所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于改进卷积神经网络的配电网故障评价方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于改进卷积神经网络的配电网故障评价方法的步骤。
...【技术特征摘要】
1.一种基于改进卷积神经网络的配电网故障评价方法，其特征在于：包括，
2.如权利要求1所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：所述改进卷积神经网络具有n+1层结构，第1层为输入层，确定输入层的多时间尺度卷积核，并进行相应的时间尺度向量计算，建立配电网中不同微源、柔性负荷的电流控制的方程，其闭环传递函数g为，
3.如权利要求2所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：所述时间尺度的计算为，
4.如权利要求1所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：获取所述电流幅值和相位数据构建输入数据，具体为，
5.如权利要求4所述的基于改进卷积神经网络的配电网故障评价方法，其特征在于：计算改进卷积神经网络的第1至第n-1层的卷积核与所述输入数据的相似性的度量，具体为，在第1至第n-1层改进卷积神经网络中，卷积核k与数据κ(2×(vq/ts))相似性的度量采用向量2-范数和∞-范数进行度量，其度量公式分别为，
6.如权利要求5所述的基于改进卷积神经网络的配电网故障评价方法，其特征在...
【专利技术属性】
技术研发人员：金庆忍，周柯，卓浩泽，荣飞，彭也伦，陈燕东，田君杨，王佳琳，李菱，马伏军，伍文华，谢志为，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。