【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于配電網(wǎng)故障選線領(lǐng)域，具體涉及一種基于改進(jìn)vmd-cnn-bilstm的配電網(wǎng)單相接地故障選線方法。
技術(shù)介紹
1、當(dāng)前，我國配電網(wǎng)普遍采用小電流接地系統(tǒng)，且發(fā)生故障的情況多數(shù)源自于配電線路單相接地，故障檢測和選線方法是及時清除故障、保障配電網(wǎng)安全可靠運行的關(guān)鍵技術(shù)。在配電網(wǎng)的中性點經(jīng)消弧線圈接地系統(tǒng)中，若發(fā)生單相接地故障，消弧線圈提供電感電流進(jìn)行補償，導(dǎo)致故障電流微弱，電磁狀態(tài)受擾嚴(yán)重，影響故障選線的準(zhǔn)確性，使得故障性質(zhì)劣化，危機系統(tǒng)及人身安全。為此，研究快速、可靠的故障選線方法并及時切除故障是確保配電網(wǎng)穩(wěn)定可靠運行的有效途徑，且可以提高配電網(wǎng)的智能化與安全化水平。
2、迄今，基于故障特征的選線方法主要包括注入法、穩(wěn)態(tài)分量法和暫態(tài)分量法。注入法通過向配電網(wǎng)注入特殊信號實現(xiàn)選線，但注入信號易受到干擾。穩(wěn)態(tài)分量法利用配電網(wǎng)故障后的穩(wěn)定電流作為特征進(jìn)行選線，對不同故障工況適用性差。暫態(tài)分量法通過提取暫態(tài)電氣量的豐富特征進(jìn)行故障選線，具有優(yōu)良的選線效果。
3、近年來，隨著計算機技術(shù)的發(fā)展，基于深度學(xué)習(xí)和人工智能的故障選線技術(shù)得到長足發(fā)展。神經(jīng)網(wǎng)絡(luò)是人工智能技術(shù)中應(yīng)用領(lǐng)域較為廣泛的一門技術(shù)，類似于人類神經(jīng)系統(tǒng)中的信息處理技術(shù)，目前已較為成熟。基于神經(jīng)網(wǎng)絡(luò)的選線方法可以依據(jù)各種輸入信號和選線結(jié)果輸出進(jìn)行訓(xùn)練，選取效果較好的訓(xùn)練結(jié)果作為選線判據(jù)。因此，將智能算法與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合進(jìn)行故障診斷，可作為故障選線的一種有效手段。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供
2、本專利技術(shù)的有益效果在于：本專利技術(shù)所涉及的故障選線方法，能夠有效識別故障線路，在各種故障工況下保證快速準(zhǔn)確的故障選線率。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，具體包括如下步驟：
2.根據(jù)權(quán)利要求1所述基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟1)中，所建立配電網(wǎng)單相接地故障仿真模型考慮到可能導(dǎo)致故障的各種情況，設(shè)置了不同故障相角、高阻接地、噪聲與諧波干擾等各種工況，使故障選線方法具有普適性。
3.根據(jù)權(quán)利要求1所述基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟2)中，所述OCSSA改進(jìn)后的變分模態(tài)分解以模態(tài)數(shù)K和懲罰因子α最優(yōu)為目標(biāo)，優(yōu)化VMD的分解效果。
4.根據(jù)權(quán)利要求2所述基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟2)中，所述OCSSA算法搜索VMD分解最優(yōu)參數(shù)時，需確定一個適應(yīng)度函數(shù)，用來評價尋優(yōu)參數(shù)是否最優(yōu)，適應(yīng)度函數(shù)選取的優(yōu)劣決定著OCSSA尋優(yōu)VMD參數(shù)的好壞,適應(yīng)度函數(shù)主要包括最小包絡(luò)熵、最小樣本熵、最小信息熵和最小排列熵；包絡(luò)熵代表原始信號的稀疏特性；樣本熵的物理含義與近似熵相似，它
5.根據(jù)權(quán)利要求2所述基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟3)中，本專利技術(shù)使用CNN和BiLSTM的串聯(lián)結(jié)構(gòu)對改進(jìn)的VMD算法分解后的故障信息進(jìn)行處理，提取序列維度上的特征信息，達(dá)到故障選線的目的。
6.根據(jù)權(quán)利要求4所述基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，所述CNN是一種含有卷積計算及深度架構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，具有權(quán)值共享、局部連接、層次豐富和池化操作等特點，能夠自主高效挖掘輸入數(shù)據(jù)的時空特征，在故障診斷、圖像識別和目標(biāo)檢測等領(lǐng)域具有良好的應(yīng)用成效；CNN的主要結(jié)構(gòu)包含卷積層和池化層，其中卷積層可以有效提取輸入數(shù)據(jù)的非線性局部特征，池化層可以有效壓縮特征維數(shù)及參數(shù)數(shù)量，提升數(shù)據(jù)泛化能力和收斂速度。
7.根據(jù)權(quán)利要求4所述基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，所述BiLSTM在傳統(tǒng)長短時記憶神經(jīng)網(wǎng)絡(luò)(Long-Short?Term?Memory,LSTM)的基礎(chǔ)上再次進(jìn)行優(yōu)化改進(jìn)，通過結(jié)合前向傳播和后向傳播，使得數(shù)據(jù)挖掘從兩端分別進(jìn)行，最終將正反兩個方向的處理結(jié)果進(jìn)行擬合得到識別結(jié)果。
8.根據(jù)權(quán)利要求1所述基于改進(jìn)VMD-CNN-BiLSTM的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟4)中，本專利技術(shù)利用設(shè)置的包括不同故障線路、不同故障類型、不同故障合閘角和不同故障距離的單相接地故障數(shù)據(jù)的測試集驗證本專利技術(shù)所提方法的準(zhǔn)確性與有效性。
...【技術(shù)特征摘要】
1.一種基于改進(jìn)vmd-cnn-bilstm的配電網(wǎng)單相接地故障選線方法，其特征在于，具體包括如下步驟：
2.根據(jù)權(quán)利要求1所述基于改進(jìn)vmd-cnn-bilstm的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟1)中，所建立配電網(wǎng)單相接地故障仿真模型考慮到可能導(dǎo)致故障的各種情況，設(shè)置了不同故障相角、高阻接地、噪聲與諧波干擾等各種工況，使故障選線方法具有普適性。
3.根據(jù)權(quán)利要求1所述基于改進(jìn)vmd-cnn-bilstm的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟2)中，所述ocssa改進(jìn)后的變分模態(tài)分解以模態(tài)數(shù)k和懲罰因子α最優(yōu)為目標(biāo)，優(yōu)化vmd的分解效果。
4.根據(jù)權(quán)利要求2所述基于改進(jìn)vmd-cnn-bilstm的配電網(wǎng)單相接地故障選線方法，其特征在于，步驟2)中，所述ocssa算法搜索vmd分解最優(yōu)參數(shù)時，需確定一個適應(yīng)度函數(shù)，用來評價尋優(yōu)參數(shù)是否最優(yōu)，適應(yīng)度函數(shù)選取的優(yōu)劣決定著ocssa尋優(yōu)vmd參數(shù)的好壞,適應(yīng)度函數(shù)主要包括最小包絡(luò)熵、最小樣本熵、最小信息熵和最小排列熵；包絡(luò)熵代表原始信號的稀疏特性；樣本熵的物理含義與近似熵相似，它是用來測量信號中出現(xiàn)新模式的概率，并測量其復(fù)雜性；信息熵是描述系統(tǒng)不確定程度的物理量；排列熵可以有效反映時間序列的復(fù)雜程度，排列熵值經(jīng)過歸一化處理后可以更好地反映時間序列的規(guī)則程度；為了更好的提取信號的故障特征，本文選取排列熵和互信息熵的復(fù)合指標(biāo)作為適應(yīng)度函數(shù)，對vmd參數(shù)進(jìn)行尋優(yōu)。
5.根據(jù)權(quán)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張建波，周建軍，賈建剛，徐清軒，井從峰，路平，嚴(yán)相卿，裴琦，李士雅，王媛媛，
申請(專利權(quán))人：國網(wǎng)河南淅川縣供電公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。