本发明属于单相接地故障处理,具体涉及一种基于机器视觉的配电网单相接地故障智能选段方法。
背景技术:
1、在配电网运行中,单相接地故障是一种常见的故障类型,占故障总数的80%以上。如果故障不能及时排除可能会带来极大的安全隐患,如火灾、设备损坏、人身伤亡。在非有效接地系统中,根据中性点接地方式的不同可以分为中性点不接地与中性点经消弧线圈接地两种。在谐振接地系统中,由于消弧线圈的补偿作用,稳态电流极性、幅值等故障特征无法满足有效选段的要求。而故障暂态过程较为复杂,多数暂态方法对启动时刻准确性要求较高,使得实现准确的故障选段较为困难。因此准确判断故障区段对于保障配电网的稳定运行和安全供电具有至关重要的意义。
2、现有的单相接地故障选段方法主要包括2类:特征分析法和人工智能法。基于故障特征的方法,寻找故障特征,并设置阈值实现单相接地故障选段。故障特征的选择很大程度上取决于经验,通常是根据大量的实验和积累的领域知识来完成的。选段的准确程度取决于所选取的特征的好坏,主观性较强。特征提取的方法有时难以取得令人满意的结果,而随着机器学习的兴起,人工智能技术的应用也越来越广泛,在特征提取和分类方面表现出优异的性能。使用人工智能算法进行选段,可以通过构建深层神经网络并借助海量数据自动提取特征并进行分类,而不依赖于人为设计的特征提取。
技术实现思路
1、针对现有技术存在的缺陷和不足,本发明旨在提供一种基于机器视觉的配电网单相接地故障智能选段方法,将暂态零序电压导数与暂态零序电流叠加在同一张图中,然后使用语义分割算法对各检测节点的波形叠加图进行像素点级分类,根据分割结果中不同类别的像素个数判断检测节点是位于故障点上游还是故障点下游。
2、由于配电网各检测接地的零序电压几乎一致,因此该方法相当于以暂态零序电压作为参照物,再结合检测节点的暂态零序电流信息即可实现接地故障选段。之后只需将各检测节点的判断结果上传至主站,而无需上传大量波形数据,可以有效缩短故障处理时间。而现有技术大部分选段方法都是暂态法,而启动时刻对暂态的影响非常大,因此选取故障点后一周波的数据,在波形畸变以及启动时刻误差导致部分波形判错时,更长的数据范围可以有更多的容错性。
3、本发明解决其技术问题具体采用的技术方案是:
4、一种基于机器视觉的配电网单相接地故障智能选段方法,其特征在于,将暂态零序电压导数与暂态零序电流叠加在同一张图中,然后使用语义分割算法对各检测节点的波形叠加图进行像素点级分类,根据分割结果中不同类别的像素个数判断检测节点是位于故障点上游还是故障点下游。
5、进一步地,具体包括以下步骤:
6、步骤s1:获取各检测节点的零序电压和零序电流信号;
7、步骤s2:对步骤s1获取的各检测节点数据进行预处理,对零序电压进行求导;之后将归一化的暂态零序电压导数与暂态零序电流波形叠加在同一张图中;
8、步骤s3:将步骤s2得到的波形叠加图及其标签作为训练样本,通过语义分割算法进行训练,获取具有最优性能的语义分割模型用于故障选段;测试时以相同的数据处理方式将波形转换为波形叠加图,将波形叠加图作为语义分割算法的输入,输出分割结果;
9、步骤s4:根据步骤s3得到的分割结果中不同类别的像素个数判断检测节点是位于故障点上游还是故障点下游;之后将判断结果上传到主站,以进行快速定位和维修。
10、进一步地,在步骤s2中,所述预处理还包括对零序电压导数与零序电流进行滤波、截取数据、归一化的操作。
11、进一步地,在步骤s2中,针对采集到的零序电压、电流数据,首先对零序电压进行求导,然后对零序电压导数、零序电流进行滤波,截取故障点后一周波的暂态波形并进行归一化处理;对于零序电压导数,其振幅归一化为[-1,1],如式(1)所示;
12、
13、其中:u0为零序电压,t代表时间,u0nor是归一化后的零序电压导数;
14、使用(2)处理零序电流;
15、
16、其中:i0n指代某一节点对应的零序电流,nor代表求导,n是检测节点的数量;
17、之后将归一化的暂态零序电压导数与暂态零序电流波形叠加在同一张图。
18、由于配电网各检测节点的暂态零序电压几乎一致,因此本发明相当于以暂态零序电压作为参照物,再结合各检测节点的暂态零序电流信息即可实现接地故障选段。
19、进一步地,步骤s3的选段方法包括像素级分类及判据判断两个过程;
20、3.1像素级分类
21、将暂态零序电压导数和暂态零序电流波形的叠加图作为语义分割算法的输入,训练后的语义分割算法用以对输入图像中的每个像素点进行分类,最终输出一个与输入图像大小相同的分割结果;分割结果中每个值对应的是输入图中每个像素点的分类预测结果,背景、故障点上游波形和故障点下游波形对应像素的类别分别用0、1、2表示;再通过判据进行选段;
22、3.2选段判据
23、通过语义分割模型输出一个与输入图像大小相同的分割结果,分割结果中每个值对应的是输入图中每个像素点的分类预测结果;当分割结果中标签1占据的像素点个数大于标签2占据的像素点个数时,对应的检测节点位于故障点上游,否则位于故障点下游。
24、相比于现有技术,本发明及其优选方案具有以下有益效果:
25、1、将暂态零序电压导数与暂态零序电流叠加在同一张图中,实现两类数据信息融合,有助于提高判断的准确性。由于配电网各检测点的暂态零序电压几乎一致,因此该方法相当于以暂态零序电压作为参照物,再结合各检测节点的暂态零序电流信息即可实现接地故障选段。之后只需将各检测节点的判断结果上传至主站,而无需上传大量波形数据,可以有效缩短故障处理时间。
26、2、使用像素点级分类的语义分割算法进行选段,即使在启动时刻与实际故障时刻的偏差导致图像中部分波形所对应的像素点被错误分类的情况下,结合本文使用的选段判据仍然可以准确选段,提高了故障区段定位的准确性。通过本发明的方法,减轻了运维人员的工作负担,也降低了人为因素对选段结果的影响,使得故障处理更加可靠和高效。
1.一种基于机器视觉的配电网单相接地故障智能选段方法,其特征在于,将暂态零序电压导数与暂态零序电流叠加在同一张图中,然后使用语义分割算法对各检测节点的波形叠加图进行像素点级分类,根据分割结果中不同类别的像素个数判断检测节点是位于故障点上游还是故障点下游。
2.根据权利要求1所述的一种基于机器视觉的配电网单相接地故障智能选段方法,其特征在于:
3.根据权利要求2所述的一种基于机器视觉的配电网单相接地故障智能选段方法,其特征在于:在步骤s2中,所述预处理还包括对零序电压导数与零序电流进行滤波、截取数据、归一化的操作。
4.根据权利要求3所述的一种基于机器视觉的配电网单相接地故障智能选段方法,其特征在于:
5.根据权利要求2所述的一种基于机器视觉的配电网单相接地故障智能选段方法,其特征在于: