CN119492958A 用于智能电网系统的电网故障检测定位方法及系统 （国网河南省电力公司电力科学研究院）

院用于智能电网系统的电网故障检测定位方本发明提供一种用于智能电网系统的电网故障检测定位方法及系统，该方法包括如下步域分析方法和时域分析方法从目标故障行波信号到达时间估计发生故障的故障线路的故障线故障行波信号并采用最优故障定位算法确定故2通过部署于智能电网系统中的行波记录装置采集配电线路发生故障时的故障行波信对所述目标故障行波信号进行行波前沿检测，确定所述故障行波信号的信号到达时通过频域分析方法和时域分析方法从所述目标故障行波信号中提取故结合所述故障信号特征和所述信号到达时间估计发生故障的故障线路的故障线路特将所述故障信号特征和所述故障线路特性输入至预先训练的特征识述特征识别模型输出所述故障线路的线路类型和基于所述线路类型和所述故障类型并利用决策树算法选择最根据所述目标故障行波信号并采用所述最优故障定位算法确定所述故障线路的线路采用小波变换方法对所述故障行波信号进行使用带通滤波器对降噪处理后的所述故障行波信号进行滤波采用滑动窗口法将所述目标故障行波信号分段处理为多个行对于每个所述行波信号片段，计算得到所述行波信号片若所述信号统计特征未超出预设的特征阈值和/或所述信号一阶导数未超出预设的导若所述信号统计特征超出所述特征阈值且所述信号一阶导数超基于所述目标行波信号片段计算得到所述故障行波信号根据相关分析法计算所述目标行波信号片段与预设模板信号之间的将所述信号互相关函数的函数峰值位置所对应的时间作为所述故障行波信号的信号3述通过频域分析方法和时域分析方法从所述目标故障行波信号中提取故障信号特征包括对所述目标故障行波信号进行时域分析，并统计所述目标故障行波信号的时域特征，通过傅里叶变换对所述目标故障行波信号进行频域分析，并提取将所述时域特征和所述频域特征整合为所述目标故障行波信号的述基于所述线路类型和所述故障类型并利用决策树算法选择最优故障定位算法包括如下采用独热编码将所有基础线路类型和所有基础故障类型转换将所有故障定位算法作为叶节点，以所述信息增益为分裂准则，使用C将所述线路类型和所述故障类型输入至所述算法选择决策树模型9.一种用于智能电网系统的电网故障检测定位系统算机程序时实现如权利要求1至8中任意一项所述的用于智能电网系统的电网故障检测定理器执行时实现权利要求1至8中任一项所述的用于智能电网系统的电网故障检测定位方4在不同环境和运行条件下也会表现出不同的特性，这进一步增加了选择合适算法的难度。通过部署于智能电网系统中的行波记录装置采集配电线路发生故障时的故障行通过频域分析方法和时域分析方法从所述目标故障行波信号中提取故障信号特结合所述故障信号特征和所述信号到达时间估计发生故障的故障线路的故障线过所述特征识别模型输出所述故障线路的线路类型基于所述线路类型和所述故障类型并利用决策树算法选择最根据所述目标故障行波信号并采用所述最优故障定位算法确定所述故障线路的采用小波变换方法对所述故障行波信号进行5采用滑动窗口法将所述目标故障行波信号分段处理为多个行若所述信号统计特征未超出预设的特征阈值和/或所述信号一阶导数未超出预设若所述信号统计特征超出所述特征阈值且所述信号一阶导数超出所述导数阈值，基于所述目标行波信号片段计算得到所述故障行波信号根据相关分析法计算所述目标行波信号片段与预设模板信号之间的信号互相关将所述信号互相关函数的函数峰值位置所对应的时间作为所述故障行波信号的采用独热编码将所有基础线路类型和所有基础故障类型转换6器执行所述计算机程序时实现如第一方面中所述的用于智能电网系统的电网故障检测定机程序被处理器执行时实现第一方面中所述的用于智能电网系统的电网故障检测定位方[0016]图1为本申请其中一种实施方式中用于智能电网系统的电网故障检测定位方法的象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互[0019]图1为一个实施例中用于智能电网系统的电网故障检测定位方法的流程示意图。7以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。如图1所示，本发明所公开的一种用于智能电网系统的电网故障检测定位方法具体包括如下步S101.通过部署于智能电网系统中的行波记录装置采集配电线路发生故障时的故8[0025]S103.对目标故障行波信号进行行[0029]S104.通过频域分析方法和时域分析方法从目标故障行波信号中提取故障信号特[0031]S105.结合故障信号特征和信号到达时间估计发生故障的故障线路的故障线路特如果两个相邻测量点的信号到达时间差很小，那么故障点很可能位于这两个测量点之间。9[0033]S106.将故障信号特征和故障线路[0037]S108.根据目标故障行波信号并采用最优故障定位算法确定故障线路的线路位的峰值位置τmax计算：[0058]带通滤波器允许特定频率范围内的信号通过，同时抑制采用滑动窗口法将目标故障行波信号分段处理为多个行对于每个行波信号片段，计算得到行波信号片段的信号统计特征和信号一阶导若信号统计特征未超出预设的特征阈值和/或信号一阶导数未超出预设的导数阈基于目标行波信号片段计算得到故障行波信号[0063]对于每个行波信号片段，计算得到行波信号片段的信号统计特征和信号一阶导[0064]若信号统计特征未超出预设的特征阈值和/或信号一阶导数未超出预设的导数阈根据相关分析法计算目标行波信号片段与预设模板信号之间的将信号互相关函数的函数峰值位置所对应的时间作为故障行波信号的信号到达将时域特征和频域特征整合为目标故障行波信号的o2=(1/N)E(az-u)2。信号偏度S反映了信号分布的不对称性公式为K=EI(X-U)4]/O4。这些统计特征综合反映了故障行波信号的整体形态和采用快速傅里叶变换(FFT)算法以提高效率。频谱分布反映了信号能量在各频率成分上的score标准化。这样可以消除不同特征之间的量纲差异。另一种方法是使用主成分分析采用独热编码将所有基础线路类型和所有基础故障类型转换[0078]计算得到所有数值型特征之间的信息增益是决策树构建过程中选择最佳分裂特择决策树模型是一个自动化选择最优故障定位算法的过程。CART算法是一种二叉树算法，如上述任意一种实施方式中所描述的用于智能电网系统的电网故障检测