基于人工智能的配电网故障定位方法及装置与流程

本发明涉及一种基于人工智能的配电网故障定位方法及装置，属于配电网故障定位。

背景技术：

1、随着配电网的发展，其规模和复杂度不断增大，发生各种故障的概率也在提高。为了保证配电网的安全稳定运行，需要对发生故障的部位进行及时准确的定位和处理。传统的配电网故障定位方法有的主要依赖线路参数计算、传感器测量等手段，定位精度和速度较难满足要求。

2、近年来，配电网故障定位技术取得了长足发展。基于行波理论的故障定位方法成为热点，行波法定位是根据波在传输线路上波阻抗不连续节点的反射特性来确定故障点的距离，该方法利用行波传播特性反映故障信息的原理进行定位。但现有行波法定位方法可能对行波的提取和处理存在局限，难以准确获取行波在故障前后各分支线的传播特性，从而影响最后的故障定位精度。

3、针对上述问题，本本发明提出了一种基于人工智能的配电网故障定位措施。

技术实现思路

1、为了解决上述问题，本发明提出了一种基于人工智能的配电网故障定位方法及装置，能够获取行波的到达时间和构建故障分支识别矩阵，更快速地完成对故障分支的精确定位。

2、本发明解决其技术问题采取的技术方案是：

3、第一方面，本发明实施例提供的一种基于人工智能的配电网故障定位方法，包括以下步骤：

4、采集配电网各分支线末端的行波；

5、根据各分支线末端的行波，获取初始行波的到达时间；

6、对非故障区域的冗余行波信息进行分析和处理，确定行波在各分支线末端的传播特性；

7、根据行波在各分支线末端的传播特性，对行波波速进行预处理；

8、根据初始行波的到达时间和预处理后的行波波速，构建故障分支识别矩阵；

9、根据所述故障分支识别矩阵及预设的阈值，对配电网故障分支进行判定，得到判定结果；

10、根据所述判定结果，对配电网故障分支进行定位，得到故障位置。

11、作为本实施例一种可能的实现方式，所述采集配电网各分支线末端的行波，包括：

12、在配电网的各个分支线的末端安装行波检测设备dx，x＝1，2，…，y；dx表示第x个分支线末端安装的行波检测设备，y为分支线总数；

13、通过行波检测设备进行监测：sx＝wx×dx，采集原始行波信号，其中，sx表示第x个分支线末端检测到的原始行波信号，wx表示该检测设备的可靠性权重；

14、对原始行波信号进行初步处理：sx′＝f(wx′×sx)，得到预处理行波信号，其中，sx′表示预处理后得到的行波信号，f表示预处理函数，wx′表示预处理函数对第x个分支线信号的处理权重；

15、将预处理行波信号储存或传输至中央数据处理中心。

16、作为本实施例一种可能的实现方式，在将预处理行波信号储存或传输至中央数据处理中心过程中，

17、通过c＝{w″1×s′1,w″2×s′2,…,w″y×s′y}传输预处理信号，其中，c表示中央数据处理中心，wx″表示传输第x个分支线信号sx′的优先级权重；

18、通过s＝w1′×s1′+w2′×s2′+…+wy′×sy′进行中央数据处理中心的信号融合，其中，s表示融合后的信号，wx′表示第x个分支线信号sx′的融合权重。

19、作为本实施例一种可能的实现方式，所述根据各分支线末端的行波，获取初始行波的到达时间，包括：

20、根据配电网属性确定触发参数：根据将拓扑结构分为m个区域，每个区域确定触发参数，其中i＝1，2，…，m；j＝1，2，…，mi；mi是第i个区域的线路数，ωij，ηij，ζij是权重系数，pi为触发参数，表示配电网某区域i的综合触发特征量；uij表示配电网中第i个区域、第j条线路的电压；iij表示配电网中第i个区域、第j条线路的电流；rij表示配电网中第i个区域、第j条线路的电阻，其中，i表示配电网的第i个区域，j表示该区域中的第j条供电线路；

21、根据所述触发参数：ti(t)＝αti(t-1)+(1-α)(kipi(t)+bi)，确定触发阈值ti，当触发参数≥触发阈值时，则开始采集行波信号，其中α是平滑系数，ki，bi为该区域的线性系数，ti表示配电网区域i需要达到的触发条件数值，t为时间；

22、根据t0i＝t∣当pi(t)≥ti(t)且snri(t)≥snrmin时，记录开始采集行波信号的时间，并将开始采集行波信号的时间作为初始到达时间，t0i表示区域i的初始行波到达时间,记录区域i开始采集行波的时刻；snri表示区域i的信噪比,表示区域i采集信号的质量；

23、持续采集行波信号，直至行波信号结束或达到预设的采集时间为止，采集每个区域的全部线路信号之和，si(t)表示区域i采集的行波信号,表示随时间变化的行波信号。

24、作为本实施例一种可能的实现方式，所述对非故障区域的冗余行波信息进行分析和处理，确定行波在各分支线末端的传播特性，包括：

25、收集非故障区域的冗余行波信息：rwai＝{rwai1,rwai2,…,rwaini}，i＝1,2,…,n；n为非故障区域数，ni为第i非故障区域的线路数，rwai表示第i个非故障区域收集的冗余行波信息；rwaij表示区域i的第j条线路上的冗余行波，j＝1,2,…,ni；

26、对所述冗余行波信息进行预处理，得到预处理冗余行波信息：rwai′＝{f(rwai1),f(rwai2),…,f(rwaini)}，f为冗余行波预处理函数，rwa'i表示区域i预处理后的冗余行波信息；

27、提取所述预处理冗余行波信息的行波特性：fijk＝g(rwa′ijk)，i＝1,2,…,n；j＝1,2,…,ni；k＝1,2,…,ni；g为特征提取函数；fijk表示区域i线路j的第k个行波特征；

28、对提取的行波特性进行数据分析，获取冗余行波数据中的共同特性和差异：[com,dif]＝h(f)，h为分析函数；

29、根据冗余行波数据中的共同特性和差异，确定行波的传播特性：pro＝q([com,dif])；com为冗余行波的共性；dif为冗余行波的差异；pro为确定的行波传播特性；q为确定传播特性的函数。

30、作为本实施例一种可能的实现方式，所述传播特性包括传播速度、衰减率、反射和折射。

31、作为本实施例一种可能的实现方式，所述根据行波在各分支线末端的传播特性，对行波波速进行预处理，包括：

32、根据行波传播特性，提取行波在各分支线末端的波速数据；

33、对提取的波速数据进行波速数据预处理得到预处理数据；

34、对预处理数据进行分析，得到预处理波速。

35、作为本实施例一种可能的实现方式，所述根据初始行波的到达时间和预处理后的行波波速，构建故障分支识别矩阵，包括：

36、根据预处理后的行波波速和各分支线的长度，计算行波在各分支线上的传播时间；

37、根据初始行波的到达时间和所述传播时间，构建故障分支识别矩阵。

38、作为本实施例一种可能的实现方式，所述根据所述故障分支识别矩阵及预设的阈值，对配电网故障分支进行判定，得到判定结果，包括：

39、设定一个用于区分行波是否到达分支线末端的阈值；

40、依次遍历故障分支识别矩阵的每一分支线，对于每一分支线，检查分支线的元素值，如果分支线的元素中，有任一个元素值≥设定的阈值，则认为行波已经到达了分支线末端；如果一个分支线的行波到达时间＞其他所有分支线，则为该分支线为故障分支。

41、第二方面，本发明实施例提供的一种基于人工智能的配电网故障定位装置，包括：

42、行波数据采集模块，用于采集配电网各分支线末端的行波；

43、初始行波到达时间获取模块，用于根据各分支线末端的行波，获取初始行波的到达时间；

44、行波传播特性确定模块，用于对非故障区域的冗余行波信息进行分析和处理，确定行波在各分支线末端的传播特性；

45、波速预处理模块，用于根据行波在各分支线末端的传播特性，对行波波速进行预处理；

46、故障分支识别矩阵构建模块，用于根据初始行波的到达时间和预处理后的行波波速，构建故障分支识别矩阵；

47、故障分支判定模块，用于根据所述故障分支识别矩阵及预设的阈值，对配电网故障分支进行判定，得到判定结果；

48、故障定位模块，用于根据所述判定结果，对配电网故障分支进行定位，得到故障位置。

49、本发明实施例的技术方案可以具有的有益效果如下：

50、本发明实施例的技术方案的一种基于人工智能的配电网故障定位方法，包括以下步骤：采集配电网各分支线末端的行波；根据各分支线末端的行波，获取初始行波的到达时间；对非故障区域的冗余行波信息进行分析和处理，确定行波在各分支线末端的传播特性；根据行波在各分支线末端的传播特性，对行波波速进行预处理；根据初始行波的到达时间和预处理后的行波波速，构建故障分支识别矩阵；根据所述故障分支识别矩阵及预设的阈值，对配电网故障分支进行判定，得到判定结果；根据所述判定结果，对配电网故障分支进行定位，得到故障位置。本发明提高了故障定位的精确度和效率。

51、本发明通过获取初始行波的到达时间、构建故障分支识别矩阵，更快速地完成对故障分支的定位，避免了传统方法中大量的手工计算和复杂的参数建模，可以更快速地完成对故障分支的定位。

52、本发明根据各分支线末端的行波传播特性，并对行波传播速度进行处理，构建识别矩阵进行判定，避免了行波提取和处理中存在的误差，从而提高了最终的故障定位精度。

53、本发明利用人工智能技术，通过行波的自动提取、传播特性分析、识别矩阵构建等实现了对故障分支的自动判定和定位，无需人工参与，提高了自动化程度。

54、本发明通过准确获取行波传播特性、构建识别矩阵等手段进行故障定位，降低了配电网故障定位的难度。

55、本发明故障定位方法的应用，可以帮助电力部门更快速和准确地定位故障，进行维护和处理，有利于提高配电网的可靠性和稳定性。

56、本发明实施例提供的一种基于人工智能的配电网故障定位装置，具有与一种基于人工智能的配电网故障定位方法同样的有益效果。