小電流接地系統(tǒng)單相故障選線方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種故障選線方法，尤其是一種小電流接地系統(tǒng)單相故障選線方法， 屬于電力系統(tǒng)故障選線定位的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著居民生活水平的不斷提高，電力工業(yè)作為我國(guó)支柱性產(chǎn)業(yè)的重要性不斷凸 顯，主要體現(xiàn)在保障了國(guó)家的安全和社會(huì)的發(fā)展。目前，小電流接地系統(tǒng)已經(jīng)廣泛應(yīng)用于國(guó) 內(nèi)外的眾多電力研究中，因此，越來(lái)越多的科技工作者不斷探索研究小電流接地系統(tǒng)的故 障檢測(cè)，并把其作為首要課題之一。
[0003] 當(dāng)中性點(diǎn)接地方式選擇小電流接地時(shí)，系統(tǒng)運(yùn)行過(guò)程中經(jīng)常出現(xiàn)單相接地故障。 在系統(tǒng)運(yùn)行時(shí)，由于單相接地故障產(chǎn)生的故障電流很小，對(duì)人的身體、電力設(shè)備以及通信的 危害比較小，與此同時(shí)，三相的線電壓保持穩(wěn)定不變，不會(huì)對(duì)負(fù)荷的供電產(chǎn)生影響。因此，供 電系統(tǒng)可以在發(fā)生接地故障時(shí)繼續(xù)運(yùn)行(但不能超過(guò)2小時(shí)），這樣就不會(huì)因?yàn)橥蝗粩嚯娪?響到用戶的正常工作和生活。社會(huì)的發(fā)展提高了對(duì)供電系統(tǒng)的可靠性的要求，這使得小電 流接地方式的有了越來(lái)越廣的應(yīng)用價(jià)值。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種小電流接地系統(tǒng)單相故障 選線方法，其操作方便，能快速有效判斷電網(wǎng)是否發(fā)生接地故障，并在確定接地故障后判斷 接地故障的線路，從而為及時(shí)故障排除提供依據(jù)，安全可靠。
[0005] 按照本發(fā)明提供的技術(shù)方案，一種小電流接地系統(tǒng)單相故障選線方法，所述單相 故障選線方法包括如下步驟：
[0006] 步驟1、建立具有k條饋線的小電流接地系統(tǒng)的仿真模型，設(shè)置不同線路發(fā)生單相 接地故障，測(cè)量每次接地故障下各饋線的零序電流，以獲得訓(xùn)練樣本；
[0007] 步驟2、選取每次單相接地故障下，第i條饋線零序電流F的故障前1/4個(gè)周波和故 障后3/4個(gè)周波，并使用dblO小波進(jìn)行5層小波包分解，設(shè)F (5,s)(m)為第5層小波包分解的第s 個(gè)子頻帶下系數(shù)，8 = 1，2丄，31，每個(gè)子頻帶下有!11個(gè)系數(shù)，則第1條饋線的零序電流小波能 量Ei為：
[0009]步驟3、根據(jù)上述得到的各饋線的零序電流小波能量，建立樣本集X，則得到樣本集 X為
[0011]其中，Xnj = Enj，Enj為第η次測(cè)量第j條饋線的零序電流小波能量；
[0012]步驟4、對(duì)上述樣本集X進(jìn)行歸一化，以得到歸一化樣本集X'則所述歸一化樣本集 X*為
[0014]其中，max{Xni}為樣本集X中第η行中最大的元素；
[0015]步驟5、建立Spiking神經(jīng)網(wǎng)絡(luò)并將上述歸一化樣本集X*中的元素轉(zhuǎn)換成相應(yīng)的脈 沖發(fā)射時(shí)間，其中，將最大值1對(duì)應(yīng)的神經(jīng)元對(duì)應(yīng)為首先發(fā)射脈沖，并記該脈沖發(fā)射時(shí)間為 0ms;而最小值0對(duì)應(yīng)的神經(jīng)元對(duì)應(yīng)為最后發(fā)射脈沖，并記該脈沖發(fā)射時(shí)間為T maxms;
[0016]步驟6、Spiking神經(jīng)網(wǎng)絡(luò)的輸入層、輸出層相對(duì)應(yīng)的神經(jīng)元個(gè)數(shù)均與饋線總數(shù)k相 一致;確定上述輸入層、輸出層之間的延遲時(shí)間A T，并根據(jù)所述延遲時(shí)間ΔΤ，用Φ0標(biāo)記輸 出層中的故障線路，并用Φ1標(biāo)記輸出層中的健全線路；
[0017]步驟7、將上述由歸一化樣本集X#得到的若干脈沖發(fā)射時(shí)間代入Spiking神經(jīng)網(wǎng) 絡(luò)，并利用SpikeProp方法對(duì)Spiking神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并修正相應(yīng)的連接權(quán)值；
[0018]步驟8、根據(jù)上述修正后連接權(quán)值，得到所需的選線Spiking神經(jīng)網(wǎng)絡(luò);采集小電流 單相接地故障下的故障數(shù)據(jù)，且將采集的故障數(shù)據(jù)輸入值選線Spiking神經(jīng)網(wǎng)絡(luò)中，選線 Spiking神經(jīng)網(wǎng)絡(luò)輸出層中輸出Φ0標(biāo)記的線路即確定為故障線路。
[0019]所述步驟5中，采用Time-to-first-Spike方法將歸一化樣本集X*內(nèi)的元素轉(zhuǎn)換成 相應(yīng)的脈沖時(shí)間數(shù)據(jù)，所述轉(zhuǎn)換過(guò)程為：
[0021 ]其中，Λζ為歸一化樣本集浐內(nèi)的元素，TmaxS最大脈沖發(fā)射時(shí)間，T為將歸一化樣本 集浐相應(yīng)的元素轉(zhuǎn)換得到的脈沖發(fā)射時(shí)間。
[0022] 所述步驟5中，采用SRM神經(jīng)元模型構(gòu)建Spiking神經(jīng)網(wǎng)絡(luò)。
[0023] 本發(fā)明的優(yōu)點(diǎn):利用建立的小電流接地系統(tǒng)的仿真模型獲取故障時(shí)各饋線的零序 電流信息，并進(jìn)行小波分解得到其小波能量，且能根據(jù)得到的小波能量建立樣本集，對(duì)樣本 集歸一化后得到歸一化樣本集X'采用SRM神經(jīng)元模型初步構(gòu)建Spiking神經(jīng)網(wǎng)絡(luò)，采用 SpikeProp方法計(jì)算輸入層Η內(nèi)的神經(jīng)元和隱含層I內(nèi)的神經(jīng)元以及隱含層I內(nèi)的神經(jīng)元和 輸出層J內(nèi)的神經(jīng)元之間各突觸子的權(quán)值，進(jìn)行連接權(quán)值修正后得到選線Spiking神經(jīng)網(wǎng) 絡(luò)，故障數(shù)據(jù)輸入選線Spiking神經(jīng)網(wǎng)絡(luò)，輸出層中輸出Φ0標(biāo)記的線路即確定為故障線路， 操作方便，能快速有效判斷電網(wǎng)是否發(fā)生接地故障，并在確定接地故障后判斷接地故障的 線路，從而為及時(shí)故障排除提供依據(jù)，安全可靠。
【附圖說(shuō)明】
[0024]圖1為本發(fā)明的流程圖。
[0025]圖2為本發(fā)明的SRM神經(jīng)元模型示意圖。
[0026]圖3為本發(fā)明三層前向Spiking神經(jīng)網(wǎng)絡(luò)的示意圖。
【具體實(shí)施方式】
[0027]下面結(jié)合具體附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0028] 如圖1所示:為了能快速有效判斷電網(wǎng)是否發(fā)生接地故障，并在確定接地故障后判 斷接地故障的線路，從而為及時(shí)故障排除提供依據(jù)，本發(fā)明單相故障選線方法包括如下步 驟：
[0029] 步驟1、建立具有k條饋線的小電流接地系統(tǒng)的仿真模型，設(shè)置不同線路發(fā)生單相 接地故障，測(cè)量每次接地故障下各饋線的零序電流，以獲得訓(xùn)練樣本；
[0030] 本發(fā)明通過(guò)常規(guī)的技術(shù)手段建立小電流接地系統(tǒng)的仿真模型，建立仿真模型的過(guò) 程為本技術(shù)領(lǐng)域人員所熟知，仿真模型中饋線的數(shù)量k可以根據(jù)需要進(jìn)行選擇確定，具體為 本技術(shù)領(lǐng)域人員所熟知，此處不再贅述。在建立小電流接地故障的仿真模型后，通過(guò)設(shè)置不 同線路發(fā)生單相接地故障，從而能夠測(cè)量每次接地故障下各饋線的零序電流，即上述得到 各饋線的零序電流即為訓(xùn)練樣本。
[0031] 步驟2、選取每次單相接地故障下，第i條饋線零序電流F的故障前1/4個(gè)周波和故 障后3/4個(gè)周波，并使用dblO小波進(jìn)行5層小波包分解，設(shè)F( 5,s)(m)為第5層小波包分解的第s 個(gè)子頻帶下系數(shù)，8 = 1，2丄，31，每個(gè)子頻帶下有!11個(gè)系數(shù)，則第1條饋線的零序電流小波能 量Ei為：
[0033]本發(fā)明實(shí)施例中，利用dblO小波進(jìn)行5層小波包分解的過(guò)程為本技術(shù)領(lǐng)域人員所 熟知，具體不再贅述。
[0034]步驟3、根據(jù)上述得到的各饋線的零序電流小波能量，建立樣本集X，則得到樣本集 X為
[0036] 其中，Xnj = Enj，Enj為第η次測(cè)量第j條饋線的零序電流小波能量；
[0037] 本發(fā)明實(shí)施例中，η為測(cè)量的次數(shù)，即步驟1中獲取訓(xùn)練樣本的次數(shù)，具體的測(cè)量次 數(shù)η可以根據(jù)需要進(jìn)行選擇確定。
[0038]步驟4、對(duì)上述樣本集X進(jìn)行歸一化，以得到歸一化樣本集X'則所述歸一化樣本集 X*為
[0040]其中，maX{Xni}為樣本集X中第η行中最大的元素；
[0041 ] 本發(fā)明實(shí)施例中，樣本集X中的元素 XII經(jīng)歸一化后得到^，max{xni}為樣本集X中 第η行中最大的元素，如max{Xll}為樣本集X中第一行所有元素中的最大值，其余類推，具體 不再 列舉。
[0042]步驟5、建立Spiking神經(jīng)網(wǎng)絡(luò)并將上述歸一化樣本集X*中的元素轉(zhuǎn)換成相應(yīng)的脈 沖發(fā)射時(shí)間，其中，將最大值1對(duì)應(yīng)的神經(jīng)元對(duì)應(yīng)為首先發(fā)射脈沖，并記該脈沖發(fā)射時(shí)間為 0ms;而最小值0對(duì)應(yīng)的神經(jīng)元對(duì)應(yīng)為最后發(fā)射脈沖，并記該脈沖發(fā)射時(shí)間為T maxms;
[0043]本發(fā)明實(shí)施例中，采用SRM神經(jīng)元模型構(gòu)建Spiking神經(jīng)網(wǎng)絡(luò)。采用!^!!^-!:。-€;^81：-5口11^方法將歸一化樣本集)( ：1：內(nèi)的元素轉(zhuǎn)換成相應(yīng)的脈沖時(shí)間數(shù)據(jù)，所述轉(zhuǎn)換過(guò)程 為：
[0045]其中，4為歸一化樣本集浐內(nèi)的元素，TmaxS最大脈沖發(fā)射時(shí)間，T為將歸一化樣本 集浐相應(yīng)的元素轉(zhuǎn)換得到的脈沖發(fā)射時(shí)間。
[0046]具體地，Spiking神經(jīng)網(wǎng)絡(luò)中的SRM神經(jīng)元模型采用精確的脈沖發(fā)射時(shí)間編碼方法 進(jìn)行信息的傳遞和計(jì)算，因此能夠更加接近的描述真實(shí)生物神經(jīng)系統(tǒng)中的神經(jīng)元。
[0047] 與傳統(tǒng)的BP-ΑΝΝ相似，Spiking神經(jīng)網(wǎng)