一种电力机车供电系统接地故障定位识别方法

本发明涉及电力机车牵引传动系统的，更具体地，涉及一种电力机车供电系统接地故障定位识别方法。

背景技术：

1、目前，我国主要客运列车均采用dc 600v集中供电、分散变流的供电方式，即机车提供dc 600v等级的列车供电母线电压，各车厢上的变流器将dc 600v电压逆变为三相380v、单相220v交流电源后向车厢用电设备(如空调、供暖、照明等)供电。因此，当dc 600v系统的线路发生短路，电流无法做到迅速切断，需要及时识别定位，解除故障，为列车稳定运行及乘客安全提供保障。

2、当前机车、客车供电系统接地检测仍然采用超限报警方法，且主要针对dc 600v系统的干线部分。该方法检测方法及检测特征单一，且过于依赖工程经验设定阈值限制，易出现误诊断；其次，该方法只能检测发生接地故障，无法准确定位，对于后续维修工作造成困扰，影响检修效率。实际工程中，由于运行工况状态、检修不及时、超限报警检测的局限性等方面影响，会出现误报、漏报等问题，如果不提高接地故障定位的精度及准确度，将严重影响列车运行的效率及安全性。

3、现有技术公开了一种dc 600v列车供电系统的接地故障诊断方法，获取dc 600v列车供电系统在发生不同接地故障类型时的故障波形样本集，将各故障波形样本集进行训练，得到故障分类模型；当目标dc 600v列车供电系统发生接地故障时，实时采集当前故障波形，并根据故障分类模型诊断当前故障波形所对应的接地故障类型。然而在该方案中，原始波形数据没有进行特征提取，容易受到噪声干扰等方面影响，为保障接地故障识别准确性，需要外接漏电流检测装置并综合半电压、漏电流判断供电系统是否发生接地故障，增加数据采集负担，影响接地故障定位识别效率。

技术实现思路

1、为解决当前电力机车供电系统接地故障定位识别效率较低、精度及准确度有限的问题，本发明提出一种电力机车供电系统接地故障定位识别方法，从原始数据中构建与发生接地故障的位置相关联的两个新的特征向量，通过提取特征向量在一个滑窗内的特征指标进行接地故障定位识别，提升不同类型故障的可区分度并且降低了数据噪声等干扰的影响，高效准确。

2、为了达到上述技术效果，本发明的技术方案如下：

3、一种电力机车供电系统接地故障定位识别方法，包括：

4、s1.采集电力机车供电系统的历史系统信号数据，基于历史系统信号数据构建具有故障定位区分度的特征向量；

5、s2.对特征向量进行滑窗分割处理，得到特征向量的特征指标，将特征向量的特征指标构建为数据集，将数据集划分为训练集和测试集；

6、s3.构建接地故障定位识别模型，利用训练集对接地故障定位识别模型进行训练，利用测试集对接地故障定位识别模型进行测试，得到训练好的接地故障定位识别模型；

7、s4.采集电力机车供电系统的实时系统信号数据，提取实时系统信号数据的实时特征向量，根据实时特征向量判断电力机车供电系统是否发生接地故障，若是，进入步骤s5，否则，继续采集实时系统信号数据；

8、s5.从实时特征向量中截取缓存数据段，计算缓存数据段对应的特征指标；

9、s6.将缓存数据段对应的特征指标输入至训练好的接地故障定位识别模型以进行故障类型分析，输出故障定位识别结果。

10、优选地，在步骤s1中，所述电力机车供电系统的历史系统信号数据包括：电力机车供电系统的交流侧电流is、接地故障检测电压ujd及直流侧电压udc。

11、优选地，在步骤s1中，构建具有故障定位区分度的特征向量ix1、ix2，构建公式如下：

12、ix1＝ujd-0.5udc

13、ix2＝ix1×is＝(ujd-0.5udc)is

14、在此，基于接地故障原理构建两个具有故障定位区分度的特征向量，降低了误报、漏报的概率，提升了供电系统的监测检修效率。

15、优选地，在步骤s2中，利用长度为l的窗口对长度为h的附带时间序列的特征向量ix1和ix2进行滑动分割截取，同时设置滑动步长s，使窗口沿时间序列方向，并按设定滑动步长滑动，每次滑动得到一段长度为l的数据段，当滑动至特征向量的剩余数据段少于设定滑动步长时，停止滑动，得到滑动分割处理后的特征向量的特征指标。

16、优选地，在步骤s2中，对于特征向量ix1、ix2进行滑窗分割处理后，分别计算一个电网工频交流电周期内的特征向量ix1、ix2的平均值和方差，计算公式如下：

17、

18、

19、

20、

21、其中，k为滑窗分割处理开始时刻，n为滑窗内的特征向量的数量，i＝1，2，...，n，je1为特征向量ix1的平均值，jd1为特征向量ix1的方差，je2为特征向量ix2的平均值，jd2为特征向量ix2的方差；将je1和jd1作为特征向量ix1的特征指标，将je2和jd2作为特征向量ix2的特征指标。

22、在此，通过提取特征向量在一个滑窗内的特征指标，使得特征向量数据附带时序特征，得到周期内特征向量的特征指标，进一步提升接地故障检测的准确率，增强了接地故障定位识别模型的泛化能力。

23、优选地，在执行步骤s3之前，将数据集中的特征指标划分为不同接地故障类别的样本数据，所述故障类别包括：直流侧正端接地故障、直流侧负端接地故障、电抗器前端接地故障、交流侧正端接地故障、交流侧负端接地故障；

24、将各故障类别样本数据进行转置处理并归一化，其中，归一化参数为0和1。

25、优选地，在步骤s3中，基于机器学习算法，构建接地故障定位识别模型，所述接地故障定位识别模型的模型参数包括：机器学习输入层参数、隐含层参数，优化隐含层输入权值及节点阈值，通过机器学习挖掘特征指标与故障类型的非线性映射关系，有利于接地故障的精准定位。

26、优选地，在步骤s4中，电力机车供电系统的实时系统信号数据包括：电力机车供电系统的实时交流侧电流i′s、实时接地故障检测电压u′jd及实时直流侧电压u′dc；基于电力机车供电系统的实时系统信号数据，提取实时系统信号数据的实时特征向量i′x1、i′x2。

27、优选地，在步骤s4中，判断电力机车供电系统是否发生接地故障的方式如下：

28、若i′x1＝0，则表示电力机车供电系统正常，重新采集实时系统信号数据进行新一轮实时特征向量提取；若i′x1≠0，则表示电力机车供电系统发生接地故障。

29、优选地，在步骤s5中，对于实时特征向量i′x1、i′x2进行滑窗分割处理，获取长度为l的缓存数据段i′sw1、i′sw2；

30、计算缓存数据段i′sw1的平均值j′e1和方差j′d1并作为缓存数据段i′sw1的特征指标，计算缓存数据段i′sw2的平均值j′e2和方差j′d2并作为缓存数据段i′sw2的特征指标。

31、与现有技术相比，本发明技术方案的有益效果是：

32、本发明提出一种基于时序特征的电力机车供电系统接地故障定位识别方法，基于电力机车供电系统的历史系统信号数据构建两个具有故障定位区分度的特征向量，并提取特征向量在一个滑窗内的特征指标，使特征指标数据附带时序特征，提升不同类型故障的可区分度，降低数据噪声等干扰的影响，通过机器学习构建接地故障定位识别模型，挖掘特征指标与故障类型的非线性映射关系，实现供电系统接地故障定位，解决由于超限报警方法的检测特征单一局限性及原始数据波形噪声干扰等方面影响，减少误报、漏报等问题，提高接地故障的精度及准确度，保证电力机车的运行效率及安全性。