本发明专利技术公开了一种基于融合熵特征深度学习的农场配电网故障判别方法，首先从农场配电网线路首端获取接地线电流以及零序电流信号，截取信号中的突变部分，提取突变信号的特征曲线，构造特征矩阵；随后构建具有多层隐含层的深度置信网络，并采用逐层贪婪的方法训练网络中的受限玻尔兹曼机，寻找深度置信网络中每个网络隐含层中的神经元个数，完成深度置信网络的构造，最后基于特征矩阵对构造完成的深度置信网络进行训练，并基于此完成农场配电网的故障判别。本发明专利技术的方案能够为目前农场配电网故障判别所面临的困境提供了解决思路且不受到测量信号精度和现场干扰的影响，有效判断出农场配电网故障，方法精度高，具有重要的实际工程应用价值。
【技术实现步骤摘要】
本专利技术属于配电网维护领域，具体涉及一种基于融合熵特征深度学习的农场配电网故障判别方法。
技术介绍
1、大量利用可再生能源发电的分布式电源接入农场配电网，成为农场配电网的重要组成部分。不同于传统农场配电网的单电源辐射状网络，高比例新能源接入下的农场配电网是多端电源供电的复杂网络，故障特性发生改变，由此导致了目前高比例新能源农场配电网中故障类型辨识模糊、扰动和故障混淆等问题。通过对农场配电网电流信号的特征进行判别，及时判断出农场配电网异常状态是由扰动还是故障引起的，故障具体为接地故障还是短路故障，在判断出故障以后，及时的对应维修可以避免因故障引起的安全问题和财产损失。
2、传统的故障判别一般是通过设置一个或多个固定阈值来实现，但固定阈值的计算往往受到测量信号精度和现场干扰的影响，极易缺乏可适应性，这样无法保证故障判别的准确率。随着分布式电源接连加入农场配电网，给其运行带来了很大的压力，增加了电网运行区域之间的耦合特性，导致农场电网故障的特征量呈现非线性，这也意味着传统的故障判别方法已经不适用于如今的农场配电网。
/>技术本文档来自技高网...
【技术保护点】
1.一种基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，所述步骤2中的提取信号的特征曲线，具体为：
3.根据权利要求2所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，所述步骤3中的构造特征矩阵，具体为：
4.根据权利要求1所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，所述步骤4中的构建深度置信网络并训练，具体为：
5.根据权利要求1所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在...
【技术特征摘要】
1.一种基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，所述步骤2中的提取信号的特征曲线，具体为：
3.根据权利要求2所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，所述步骤3中的构造特征矩阵，具体为：
4.根据权利要求1所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，所述步骤4中的构建深度置信网络并训练，具体为：
5.根据权利要求1所述的基于融合熵特征深度学习的农场配电网故障判别方法，其特征在于，所述步骤5中的确定深度置信网络的...
【专利技术属性】
技术研发人员：李伟，崔景侠，钱江，朱广青，李玮，孙雪雯，张伟，苏红平，刘青，马劼，
申请(专利权)人：国网江苏省电力有限公司连云港供电分公司，
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。