【技术实现步骤摘要】
本专利技术涉及高压供电故障，具体为煤矿区高压供电故障定位选线系统。
技术介绍
1、配电网故障定位是基于故障指示器技术、gsm/gprs通信技术和gis（地理信息系统）技术的一套自动高效的故障点检测及定位系统，主要用于配电系统各种故障点的检测和定位，包括相间短路和单相接地故障。配电网故障自动定位技术主要涉及：故障选线、区段定位、故障测距等。故障选线是为了识别判断母线多条出线中的故障线路。区段定位旨在迅速隔离故障并恢复非故障区域供电。故障测距的目的是直接定位出故障位置。
2、例如中国专利公开了煤矿区高压供电故障定位选线系统，cn116754996a，包括线路故障排查单元、故障点确定单元、故障测距单元、智能分析单元和智能选线单元；所述线路故障排查单元用于对煤矿高压供电的线路进行是否存在短路、断路和漏电情况及线路工作时间段电流和电压稳定状况的排查处理。本专利技术不仅提高了煤矿供电系统自动化水平，有计划地提前采取措施，保证矿井设备运行安全，保障了电网的可靠供电，避免了由于突发停电造成的经济损失，从智能选线、故障预警方面做到自动化，节省了大量的时间和人力，提高了工作效率，采用行波故障定位测量法，实现对电缆本体产生的绝缘薄弱点定位，缩短供电故障检查时间。
3、虽然上述方案具有如上的优势，然而传统的煤矿区高压供电故障定位选线系统对电流残留的监测准确性不高，难以准确识别故障和正常工作状态，同时无法准确判断故障发生的位置和类型，导致定位困难和处理效率低下，无法根据实际情况动态调整补偿策略，对高电容电流的补偿效果不佳，残留电流
技术实现思路
1、针对现有技术的不足，本专利技术提供了煤矿区高压供电故障定位选线系统，解决现有技术中存在的难以准确识别故障和正常工作状态，无法根据实际情况动态调整补偿策略的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：
3、本专利技术提供了煤矿区高压供电故障定位选线系统，包括：
4、零序电流测量模块，用于实时监测配电网的零序电流情况，检测电流残留并进行精确测量，所述零序电流测量模块包括数据检测单元和信号处理单元，所述数据检测单元负责对电流残留进行监测，所述信号处理单元，对电流残留进行测量；
5、故障点定位模块，用于分析历史故障数据并进行深度分析，同时建立故障定位模型，实现对接地故障点的精准定位，所述故障点定位模块包括历史数据分析单元和故障点定位单元；所述历史数据分析单元采用机器学习和数据挖掘技术，对历史故障数据进行深度分析，同时建立故障定位模型，历史数据参数包括故障点位置、电网拓扑结构、电容电流，所述故障点定位单元用于基于历史数据分析单元分析数据，对接地故障点进行定位；
6、智能补偿系统，用于补偿系统在高电容电流情况下的不足，实现对高电容电流的全面补偿，降低残留电流的存在，提高供电系统的安全性，所述智能补偿系统包括自适应控制单元和多级补偿单元，所述自适应控制单元，通过自适应pid控制算法进行自适应控制，所述多级补偿单元基于自适应控制单元输出策略实现对高电容电流的全面补偿，有效降低残留电流的存在，提高供电系统的安全性；
7、电力系统保护模块，用于对电网故障的快速、准确切除，通过对故障电流特征的深度分析，提高保护装置对故障的判断和响应速度，保证供电系统的安全运行。
8、本专利技术进一步地设置为：所述零序电流测量模块内置高精度采样器，实时采集配电网中的零序电流信号；
9、将采集到的电流信号进行幅值、频率、相位特征提取，通过分析信号的波形特征，区分正常工作状态下的电流波形和残余电流信号；
10、同时设定动态阈值，根据实时采集到的电流信号特征，动态调整残余电流的判定阈值；
11、数据检测单元利用机器学习和模式识别算法，对电流信号进行特征识别和分类，通过训练模型，自动识别并分类出残余电流信号，区分出故障和正常工作状态；
12、数据检测单元实时监测电流信号，并对检测到的残余电流进行实时判定和报警，一旦检测到残余电流超过设定阈值，系统立即发出报警信号；
13、本专利技术进一步地设置为：所述零序电流测量模块中进行电流残留测量检测步骤具体包括：
14、使用高精度采样器实时采集配电网中的零序电流信号：，其中是信号在时间的采样值，表示数字化采样信号，为采样时刻；
15、对采集到的电流信号进行幅值、频率、相位特征提取，定义幅值为，通过计算信号的均方根获取：；定义频率为，使用离散傅里叶变换进行估计：；定义相位为：，其中为信号的采样点数，为频域中的频率点，为采样间隔，为频域中的频率分量，和分别表示虚部和实部；
16、本专利技术进一步地设置为：所述零序电流测量模块中进行电流残留测量检测步骤还包括：
17、根据实时采集到的电流信号特征，动态调整残余电流的判定阈值，通过加权移动平均进行估算：，其中即动态阈值，为当前时刻的幅值，为固定阈值，为权重，控制动态阈值对幅值的响应速度；
18、然后选用支持向量机svm、神经网络nn以及卷积神经网络cnn进行模型训练和分类：，其中即预测的分类标签，在此处为特征向量，机器学习模型；
19、当检测到残余电流超过设定阈值时，系统发出报警信号：，触发警报；
20、本专利技术进一步地设置为：所述故障点定位模块中，历史数据分析单元收集历史故障数据，包括故障点位置，电网拓扑结构，电容电流，从历史数据中提取特征，根据故障类型对历史数据进行标记，并将数据分为数据集和训练集，然后采用支持向量机svm进行训练优化，具体的：，其中是决策边界的参数，是偏置项，是样本的松弛变量，表示样本可能被错误分类的程度，是正则化参数，用于权衡最小化误差和最大化间隔之间的关系，优化目标是最小化带有正则化项的损失函数，其中正则化项用于控制模型的复杂度，则用于最小化误分类点的数量；
21、然后使用测试集评估模型的性能，使用建立好的故障定位模型对新的故障数据进行预测；
22、本专利技术进一步地设置为：所述智能补偿系统中，自适应控制单元使用传感器实时采集供电系统中的电流、电压参数数据，使用状态估计算法估计供电系统的状态；
23、部署自适应pid控制器，自适应pid控制器中包含比例、积分和微分三个部分，并采用模糊逻辑控制调整pid控制器的增益参数；
24、控制器的输出为：，其中，是误差信号，、和分别是比例、积分和微分部分的增益参数，为积分变量，表示积分变量微元，表示误差信号在时间区间内的累积量，表示误差信号对时间的导数，即误差信号随时间变化的变化率；
25、本专利技术进一步地设置为：所述智能补偿系统中，自适应控制策略为：
26、使用模糊逻辑控制器对pid控制器的增益参数进行动态调整，模糊逻辑控制器接收误差信号和其变化率作为输入，输出相应的pid增益参数；
<本文档来自技高网...【技术保护点】
1.煤矿区电网高压漏电监控及故障定位系统，其特征在于，包括：
2.根据权利要求1所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述数据处理模块中所监测数据包括：
3.根据权利要求2所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述多源数据融合单元中，进行数据融合步骤包括：
4.根据权利要求3所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述特征提取单元进行关键特征提取步骤包括：
5.根据权利要求4所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述特征提取单元进行关键特征提取步骤还包括：
6.根据权利要求5所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述数据驱动故障诊断单元中，进行故障诊断方法为：
7.根据权利要求6所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述故障预测、预警单元进行故障预测方式采用GRU模型，具体的：
8.根据权利要求7所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述GRU模型具体为：
9.根
10.根据权利要求9所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述决策支持模块中，输出优化建议方法包括：
...【技术特征摘要】
1.煤矿区电网高压漏电监控及故障定位系统，其特征在于，包括：
2.根据权利要求1所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述数据处理模块中所监测数据包括：
3.根据权利要求2所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述多源数据融合单元中，进行数据融合步骤包括：
4.根据权利要求3所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述特征提取单元进行关键特征提取步骤包括：
5.根据权利要求4所述的煤矿区电网高压漏电监控及故障定位系统，其特征在于，所述特征提取单元进行关键特征提取步骤还包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：王念彬，卢其威，
申请(专利权)人：北京天阳睿博科技有限公司，
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。