一种针对多接地方式的单相接地故障分类识别方法和系统

技术领域

本发明属于电力系统保护领域，具体涉及一种针对多接地方式的单相接地故障分类识别方法和系统。

背景技术

作为电力网的末端，配电网直接与用户相连，能敏锐的反应用户对供电安全、品质方面的要求，其运行安全性、可靠性和经济性直接关系到社会生产与人们的生活。据统计，电力系统中60％的故障来源于配电网，单相接地故障占所有故障的80％，一旦发生故障没有得到有效辨识，就会为社会带来巨大损失。

由于故障电流较小，故障特征不明显，在故障点过渡电阻较大时，所呈现的电气量特征更加不明显，使得个别单相接地故障的识别呈现出一定的复杂性。同时，故障时所表现出的特征很大程度上还受中性点接地方式的影响。目前，6kV-35kV的中压配电网主要采用中性点不接地方式、中性点经消弧线圈接地方式以及小电阻接地方式共三种，中性点的接地方式不统一，进一步加大了单相接地故障辨识的难度，近年来，随着配电智能自动化设备的大量投运、配电网拓扑越来越趋于复杂以及自然环境不稳定等因素的推动，使得对配电网各种保护装置中的历史故障数据分析成为一个必然的趋势。综合现有的数据挖掘体系，可以发现现有的数据挖掘技术与电力系统并没有很好的融合，因此要充分利用历史故障数据研究单相接地故障辨识分类，具有重要的工程实践价值。

现有技术中，用于单相经过渡电阻接地故障识别与检测的方式主要分为三大类：

①基于稳态电气量的识别方法

基于故障稳态信号识别方法主要有以下几种：零序电流比幅法、零序电流比相法、零序有功分量法。在实际应用中可能会出现精度降低、受中性点接地方式影响等问题；另外由于受到量测值小或者不确定的影响，此种方法难以满足实际需要。

②基于暂态电气量的识别方法

基于故障暂态信号识别方法主要有以下几种：衰减直流分量法、首半波法、参数识别法。利用暂态分量进行辨识具有灵敏度高、受消弧设备影响较小等优点，但容易受到系统波动以及现场环境的影响，准确度容易受到影响。

③基于谐波分量的识别方法

基于谐波分量的识别方法以五次谐波法为代表，发生故障时会产生大量5次谐波，因此可以用作故障诊断。但由于系统本身可能存在谐波源，以及负荷不对称，特别是当系统发生短路时，其他测量元件也会产生5次谐波，导致此判据失败。因此实际应用中5次谐波分量法识别效果很不理想。

综上，配电网在不同中性点接地方式下单相接地故障表现十分复杂多样，针对不同的中性点接线方式、故障点过渡电阻的大小不同都呈现出不同的故障特征，对于经过渡电阻单相接地故障的辨识分类还存在一定的困难，难以保证供电可靠性。针对不同系统中性点接地方式发生经过渡电阻单相接地故障进行分类识别的方法可靠性不高、适用性较差的技术问题，目前尚未提出有效的解决方案。

发明内容

为克服上述现有技术的不足，本发明提出一种针对多接地方式的单相接地故障分类识别方法，包括：

用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；

对配电网故障电压波形数据提取多域信号特征，在预先构建的多核神经网络选择与所述中性点接地方式匹配的子网络，对所述多域信号特征进行识别，得到过渡电阻；

将中性点接地方式和过渡电阻相结合作为配电网单相接地故障分类识别结果；

其中，所述多核神经网络包括多个子神经网络，每个子神经网络对应不同的中性点接地方式。

优选的，所述决策树的建立过程，包括：

以中性点电压的偏移量和故障发生时刻的暂态过程持续时间为输入数据，以对应的不同种中性点接地方式为输出数据，构建决策树的训练数据集；

以中性点电压的偏移量和故障发生时刻的暂态过程持续时间作为树状结构的分支节点，以不同种中性点接地方式作为树状结构的叶子节点，构建树状结构；

以所述训练数据集对所述树状结构进行训练，得到中性点电压的偏移量分支节点的阈值和故障发生时刻的暂态过程持续时间分支节点的阈值；

基于所述阈值和所述树状结构生成决策树。

优选的，所述中性点电压的偏移量和故障发生时刻的暂态过程持续时间的获取，包括：

采集历史时刻的配电网故障电压波形数据，至少包括下述中的一种或多种：线路故障稳态时期前后的周期电压波形，以故障发生前的一个周期的电压波形为参考样本，判断故障后中性点电压是否发生偏移，计算并得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间。

优选的，所述用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式，包括：

将获取的线路故障稳态时期前后的周期电压波形数据进行处理，得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间，通过决策树判断中性点接地方式；

若中性点电压的偏移量超过决策树中性点电压的偏移量分支节点的阈值，即判定故障发生所处系统为中性点不接地系统，若中性点电压的偏移量未超过决策树中性点电压的偏移量分支节点的阈值，则比较故障发生时刻的暂态过程持续时间；

若故障发生时刻的暂态过程持续时间大于决策树故障发生时刻的暂态过程持续时间分支节点的阈值，即判定故障发生所处系统为中性点经消弧线圈接地系统，否则为小电阻接地系统。

优选的，所述多核神经网络的构建过程，包括：

分别采集历史时刻不同种中性点接地方式系统的线路故障数据，至少包括下述中的一种或多种：线路故障瞬时的电压数据和线路故障稳态时期前后的周期电压波形数据；

对不同种中性点接地方式系统的线路故障数据提取多域信号特征，并进行归一化处理，将归一化处理后的多域信号特征和对应的过渡电阻大小划分为训练集和测试集；

分别采用不同种中性点接地方式的训练集和测试集对对应的子神经网络的故障特征权重进行训练，得到不同种中性点接地方式的子网络；

将不同种中性点接地方式系统的子网络合并，构建多核神经网络，其中多核神经网络的每一个子网络分别为不同种中性点接地方式。

优选的，所述提取多域信号特征的算法，包括：

对线路故障数据提取多域信号特征的算法至少包括下述中的一种或多种：快速傅里叶变换、小波法、周期图法和基于emd分解算法，多域信号特征至少包括下述中的一种或多种：时域、频域和熵；

基于同一发明构思，本发明还提供了一种针对多接地方式的单相接地故障分类识别系统，包括：

中性点接地方式判断模块和过渡电阻判断模块：

所述中性点接地方式判断模块，用于用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；

所述过渡电阻判断模块，用于在预先构建的多核神经网络选择与所述中性点接地方式匹配的子网络，对获取的配电网故障电压波形数据进行识别，得到过渡电阻；

优选的，所述决策树的建立过程，包括：

以中性点电压的偏移量和故障发生时刻的暂态过程持续时间为输入数据，以对应的不同种中性点接地方式为输出数据，构建决策树的训练数据集；

以中性点电压的偏移量和故障发生时刻的暂态过程持续时间作为树状结构的分支节点，以不同种中性点接地方式作为树状结构的叶子节点，构建树状结构；

以所述训练数据集对所述树状结构进行训练，得到中性点电压的偏移量分支节点的阈值和故障发生时刻的暂态过程持续时间分支节点的阈值；

基于所述阈值和所述树状结构生成决策树。

优选的，所述多核神经网络的构建过程，包括：

分别采集历史时刻不同种中性点接地方式系统的线路故障数据，至少包括下述中的一种或多种：线路故障瞬时的电压数据和线路故障稳态时期前后的周期电压波形数据；

对不同种中性点接地方式系统的线路故障数据提取多域信号特征，并进行归一化处理，将归一化处理后的多域信号特征和对应的过渡电阻划分为训练集和测试集；

分别采用不同种中性点接地方式的训练集和测试集对对应的子神经网络的故障特征权重进行训练，得到不同种中性点接地方式的子网络；

将不同种中性点接地方式系统的子网络合并，构建多核神经网络，其中多核神经网络的每一个子网络分别为不同种中性点接地方式。

本发明还提供一种计算机设备，包括：一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，实现如前所述的一种针对多接地方式的单相接地故障分类识别方法。

本发明还提供.一种计算机可读存储介质，包括：

其上存有计算机程序，所述计算机程序被执行时，实现如前所述的一种针对多接地方式的单相接地故障分类识别方法。

与最接近的现有技术相比，本发明具有的有益效果如下：

本发明提供了一种针对多接地方式的单相接地故障分类识别方法和系统，包括：用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；对配电网故障电压波形数据提取多域信号特征，在预先构建的多核神经网络选择与所述中性点接地方式匹配的子网络，对所述多域信号特征进行识别，得到过渡电阻；将中性点接地方式和过渡电阻相结合作为配电网单相接地故障分类识别结果；其中，所述多核神经网络包括多个子神经网络，每个子神经网络对应不同的中性点接地方式。本发明通过利用决策树和多核神经网络对线路故障稳态时期前后的电压波形数据与计算好的故障暂态过程持续时间进行判断识别，从而完成故障所在系统中性点接地方式的辨识，有针对性的进行单相经过渡电阻接地故障(经过渡电阻单相接地故障)的可靠分类识别。解决了现有技术对识别不同系统中性点接地方式发生经过渡电阻单相接地故障的可靠性不高，适用性较差的问题。

附图说明

图1为本发明提供的一种针对多接地方式的单相接地故障分类识别方法流程示意图；

图2为本发明的总体流程示意图；

图3为多层次树状结构分类框架图；

图4为决策树分类结构图；

图5为多核神经网络结构示意图；

图6为本发明提供的一种针对多接地方式的单相接地故障分类识别系统流程示意图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的详细说明。

实施例1：

本发明提供的一种针对不同接地方式及过渡电阻的单相接地故障分类识别方法的流程示意图如图1所示，包括：

步骤1：用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；

步骤2：在预先构建的多核神经网络选择与所述中性点接地方式匹配的子网络，对获取的配电网故障电压波形数据进行识别，得到过渡电阻的大小；

步骤3：将中性点接地方式和过渡电阻大小相结合作为配电网单相接地故障分类识别结果；

一个针对不同接地方式及过渡电阻的单相接地故障分类识别方法的总体流程如图2所示；不同接地方式及过渡电阻的单相接地故障类别如图3所示。

具体的，步骤1之前，需要预先建立决策树，具体流程如下：

采集故障稳态时期前后连续多个周期时间段的三相电压波形数据，包含故障过程以及故障发生前一个周波以及故障发生后两个周波，每组波形采集N个点，分别标记为u1，u2，…，uN，如本例中N＝5000，即每组波形采集5000个点。

以故障前一个周期的电压波形作为参考样本，观察故障后连续两个周波的电压波形，计算中性点电压的偏移量Δu，计算公式如下：

Δu＝|u

式中：ua为故障后中性点电压，ub为故障前中性点电压；

基于一阶导数法计算故障发生时刻的暂态过程持续时间td；

将得到的中性点电压的偏移量Δu与暂态过程持续时间td，构建二维特征数据集。

建立决策树模型，模型结构如图4所示，具体步骤如下：

将包含三种接地方式的330组样本数据中，每种标签下各选取10组作为故障验证数据，剩余300组作为训练样本数据，建立决策树分类模型进行分类训练，生成决策树模型结构如图4所示，所述决策树分支节点node为Δu，td两个特征，阈值分别确定为μ和td，叶子节点为三种中性点接地方式，分别为中性点不接地方式、经消弧线圈接地方式和经小电阻接地方式，即0-1-2分类标签。

步骤1包括：

对获取的配电网故障电压波形数据输入决策树，利用决策树进行故障所处的系统中性点接地方式的分类识别，实现分类具体步骤如下：

偏移量Δu超过设定阈值μ，即判定故障发生所处系统为中性点不接地系统；偏移量Δu未超过设定阈值μ，继续下一步；

td大于设定阈值τ，即判定故障发生所处系统为中性点经消弧线圈接地系统；否则，为小电阻接地系统；

步骤2之前，需要预先建立多核神经网络，具体流程如下：

分别对采用了三种不同中性点接地方式的系统采集故障线路故障相瞬时电压数据，截取数个周波，包含故障发生前一个周波，故障发生后两个周波，以及故障的完整过程每个周期采集n个点，分别标记为(u1，u2，…，un),形成m*n的二维数据，其中m表示数据组数，n表示采样点。利用时域、频域、熵相关算法提取多域信号特征。使用快速傅里叶变换提取频域特征，使用周期图法计算功率谱得到,基于emd分解算法求能量熵。为缓解不同维度特征之间数量级差异过大等问题，利用如下公式，对提取好的每一维多域信号特征进行归一化处理：

式中：μ为平均值；σ为标准差。

将归一化处理后的多域特征数据采用基于ReliefF算法的核主成分方法降维。进一步，将归一化处理后的多域特征数据，采用Filter方法移除原始特征中与分类相关程度较低的特征，将多维波形特征降维。将处理后的多域特征数据和对应的过渡电阻大小划分为训练集和测试集；

分别采用不同种中性点接地方式的训练集和测试集对对应的子神经网络的故障特征权重进行训练，构建多核神经网络模型。所述多核神经网络结构如图5所示，其中每个神经网络的核分别代表不同的系统中性点接地方式。在不同中性点接地方式下，决定模式识别输出的每个故障波形特征权重也不同，由多核神经网络智能分配特征所属权重。输入层数为最终降维后的故障特征维度，隐含层数为10，输出层数设为3。

步骤2包括：

获取所述配电网的故障电压波形数据，并按照上述处理方法，对所述配电网的故障电压波形数据进行处理，利用多核神经网络对单相经过渡电阻接地故障(经过渡电阻单相接地故障)波形数据进行过渡电阻大小的分类识别。

步骤3包括：

将上述对中性点接地方式和过渡电阻大小的分类结果相结合，最终完成针对不同系统中性点接地方式发生经过渡电阻单相接地故障的分类识别。

实施例2：

基于同一发明构思，本发明还提供了一种针对多接地方式的单相接地故障分类识别系统。

该系统结构如图6所示，包括：

中性点接地方式判断模块和过渡电阻大小判断模块：

其中，中性点接地方式判断模块，用于用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式；

过渡电阻大小判断模块，用于在预先构建的多核神经网络选择与所述中性点接地方式匹配的子网络，对获取的配电网故障电压波形数据进行识别，得到过渡电阻的大小；

其中，所述决策树的建立过程，包括：

以中性点电压的偏移量和故障发生时刻的暂态过程持续时间为输入数据，以对应的不同种中性点接地方式为输出数据，构建决策树的训练数据集；

以中性点电压的偏移量和故障发生时刻的暂态过程持续时间作为树状结构的分支节点，以不同种中性点接地方式作为树状结构的叶子节点，构建树状结构；

以所述训练数据集对所述树状结构进行训练，得到中性点电压的偏移量分支节点的阈值和故障发生时刻的暂态过程持续时间分支节点的阈值；

基于所述阈值和所述树状结构生成决策树。

其中，所述中性点电压的偏移量和故障发生时刻的暂态过程持续时间的获取，包括：

采集历史时刻的配电网故障电压波形数据，至少包括下述中的一种或多种：线路故障稳态时期前后的周期电压波形，以故障发生前的一个周期的电压波形为参考样本，判断故障后中性点电压是否发生偏移，计算并得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间。

其中，所述用预先建立的决策树对获取的配电网故障电压波形数据进行判断，得到中性点接地方式，包括：

将获取的线路故障稳态时期前后的周期电压波形数据进行处理，得到中性点电压的偏移量和故障发生时刻的暂态过程持续时间，通过决策树判断中性点接地方式；

若中性点电压的偏移量超过决策树中性点电压的偏移量分支节点的阈值，即判定故障发生所处系统为中性点不接地系统，若中性点电压的偏移量未超过决策树中性点电压的偏移量分支节点的阈值，则比较故障发生时刻的暂态过程持续时间；

若故障发生时刻的暂态过程持续时间大于决策树故障发生时刻的暂态过程持续时间分支节点的阈值，即判定故障发生所处系统为中性点经消弧线圈接地系统，否则为小电阻接地系统。

其中，所述多核神经网络的构建过程，包括：

分别采集历史时刻不同种中性点接地方式系统的线路故障数据，至少包括下述中的一种或多种：线路故障瞬时的电压数据和线路故障稳态时期前后的周期电压波形数据；

对不同种中性点接地方式系统的线路故障数据提取多域信号特征，并进行归一化处理，将归一化处理后的多域信号特征和对应的过渡电阻大小划分为训练集和测试集；

分别采用不同种中性点接地方式的训练集和测试集对对应的子神经网络的故障特征权重进行训练，得到不同种中性点接地方式的子网络；

将不同种中性点接地方式系统的子网络合并，构建多核神经网络，其中多核神经网络的每一个子网络分别为不同种中性点接地方式。

其中，所述提取多域信号特征的算法，包括：

对线路故障数据提取多域信号特征的算法至少包括下述中的一种或多种：快速傅里叶变换、小波法、周期图法和基于emd分解算法，多域信号特征至少包括下述中的一种或多种：时域、频域和熵；

实施例3：

基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一针对多接地方式的单相接地故障分类识别方法的步骤。

实施例4：

基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种针对多接地方式的单相接地故障分类识别方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。