一种用于小电流接地系统的单相接地故障检测方法、系统及存储介质技术方案

技术编号:44924910 阅读:28 留言:0更新日期:2025-04-08 19:04
本发明专利技术公开了一种用于小电流接地系统的单相接地故障检测方法、系统及存储介质,所述方法包括获取待测区域中待测线路的零序电流和零序电压;若待测线路的零序电压大于启动值,或零序电压突变量大于设定值,则进入单相接地故障检测步骤,反之则在待测区域换一个线路作为待测线路重复上述步骤,直到进入单相接地故障检测步骤;单相接地故障检测步骤包括:对待测线路的零序电流和零序电压进行预处理,得到预处理后的图像数据;利用训练好的单相接地故障检测模型对所述预处理后的图像数据进行检测得到单相接地故障检测结果;本发明专利技术能够提高小电流接地系统中单相接地故障检测的准确率和抗干扰能力。

【技术实现步骤摘要】

本专利技术涉及人工智能与配电网技术的交叉学科,尤其涉及一种用于小电流接地系统的单相接地故障检测方法、系统及存储介质


技术介绍

1、我国中低压配电网主要采用小电流接地方式运行,常见的小电流接地系统包括中性点不接地、经消弧线圈接地和经电阻接地三种类型,经过长期的实践与探索,目前我国配电网主要使用前两种接地方式。在这些系统中,单相接地故障的发生概率最高,占故障总数的80%以上,然而,故障发生时,受多种外界因素干扰,故障电流较小且情况复杂,给故障选线(检测故障线路)带来了极大挑战。

2、在小电流接地系统的选线中,传统方法包括有零序电流幅相比较法、零序导纳法等,是根据零序电压和电流之间的关系作为判据的例证,但是这些方法或多或少存在不能识别出故障线路的情况;而采用人工智能的方法对图像进行识别更好地可以收集零序电流与零序电压的信息;随着人工智能技术的飞速发展,图像分类作为计算机视觉领域的核心任务之一,得到了广泛的关注与研究。传统的图像分类方法主要依赖于人工设计特征,例如颜色、纹理和形状等,这些方法在处理复杂多样的图像时表现受限;而深度学习的兴起,尤其是卷积本文档来自技高网...

【技术保护点】

1.一种用于小电流接地系统的单相接地故障检测方法,其特征在于,包括:

2.根据权利要求1所述的用于小电流接地系统的单相接地故障检测方法,其特征在于,所述对待测线路的零序电流和零序电压进行预处理,得到预处理后的图像数据,包括:

3.根据权利要求2所述的用于小电流接地系统的单相接地故障检测方法,其特征在于,所述将零序电流和零序电压的时域图像进行归一化处理,归一化公式如下:

4.根据权利要求3所述的用于小电流接地系统的单相接地故障检测方法,其特征在于,所述单相接地故障检测模型的训练步骤,包括:

5.根据权利要求4所述的用于小电流接地系统的单相接地...

【技术特征摘要】

1.一种用于小电流接地系统的单相接地故障检测方法,其特征在于,包括:

2.根据权利要求1所述的用于小电流接地系统的单相接地故障检测方法,其特征在于,所述对待测线路的零序电流和零序电压进行预处理,得到预处理后的图像数据,包括:

3.根据权利要求2所述的用于小电流接地系统的单相接地故障检测方法,其特征在于,所述将零序电流和零序电压的时域图像进行归一化处理,归一化公式如下:

4.根据权利要求3所述的用于小电流接地系统的单相接地故障检测方法,其特征在于,所述单相接地故障检测模型的训练步骤,包括:

5.根据权利要求4所述的用于小电流接地系统的单相接地故障检测方法,其特征在于,所述单相接地故障检测模型是利用kolmogorov-arnold定理改进resnet神经网络得到的,包括:顺次连接的池化层、第一卷积层、第一残差模块、第二残差模块、第三残差模块、第四残差模块、全连接层和kan分类器;所述第一残差模块,包括三个顺次相连的第一残差块;所述第一残差块包括顺次相连的第二卷积层、kan激活函数层、第三卷积层、kan激活函数层和第四卷积层。所述第二残差模块,包括四个顺次相连的第二残差块;所述第二残差块包括顺次相连的第五卷积层、kan激活函数层、第六卷积层、kan激活函数层和第七卷积层;所述第三残差模块,包括六个顺次相连的第三残差块;所述第三残差块包括顺次相连的第四卷积层、kan激活函数层、第八卷积层、kan激活函数层和第九卷积层...

【专利技术属性】
技术研发人员:陈俊王铭丁逸行徐雪堃
申请(专利权)人:南京工业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1