全网唯一标准王
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111210783.2 (22)申请日 2021.10.18 (71)申请人 广东电网有限责任公司东莞供电局 地址 523008 广东省东莞 市东城区东城路 239号 申请人 南方电网科 学研究院有限责任公司 (72)发明人 陈庆祺 白浩 郑风雷 袁智勇  李伟峰 雷金勇 庄清涛 余文辉  詹文仲 周长城 余石成 潘姝慧  顾衍璋 唐立军 郭琦  (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 李增苗 (51)Int.Cl. G01R 31/52(2020.01)G06F 30/27(2020.01) G06N 3/04(2006.01) G06F 113/04(2020.01) (54)发明名称 一种配电网高阻接地故障识别方法、 装置及 设备 (57)摘要 本申请涉及一种配电网高阻接地故障识别 方法、 装置及设备, 该识别方法包括: 构建高阻接 地故障仿真模型并获取高阻接地故障仿真模型 在不同接地故障情况下的仿真故障数据; 采用神 经网络对仿真故障数据进行处理, 构建高阻接地 故障识别模 型; 采用高阻接地故障识别模型对待 识别数据进行高阻接地故障类型识别。 该配电网 高阻接地故障识别方法通过神经网络对不同接 地故障的仿真故障数据进行处理构建用于识别 高阻接地故障的高阻接地故障识别模 型, 采用该 高阻接地故障识别模型识别输出的高阻接地故 障结果准确, 解决了现有采用分类器对高阻接地 故障的数据分析, 得到高阻接地故障的判定数据 不准确的技 术问题。 权利要求书2页 说明书9页 附图8页 CN 113945862 A 2022.01.18 CN 113945862 A 1.一种配电网高阻接地故障识别方法, 其特 征在于, 包括以下步骤: 构建高阻接地故障仿真模型并获取所述高阻接地故障仿真模型在不同接地故障情况 下的仿真故障数据; 采用神经网络对所述仿真故障数据进行处 理, 构建高阻接地故障识别模型; 采用所述高阻接地故障识别模型对待识别数据进行高阻接地故障类型识别。 2.根据权利要求1所述的配电网高阻接地故障识别方法, 其特征在于, 构建高阻接地故 障仿真模型包括: 采用电弧模型构建高阻接地 故障仿真模型, 所述电弧模型包括电感、 与所 述电感连接的第一时变电阻和 第二时变电阻、 与所述第一时变电阻连接的第一时变电源以 及与所述第二时变电阻连接的第二时变电源, 所述第一时变电源与所述第二时变电源连接 后接地。 3.根据权利要求1所述的配电网高阻接地故障识别方法, 其特征在于, 包括: 在谐振接 地、 小电阻接地、 不接地、 直接接地或大电阻接地故障下, 通过所述高阻接地故障仿真模型 获取配电网高阻接地故障的仿真故障数据; 所述仿 真故障数据包括谐振接地、 小电阻接地、 不接地、 直接 接地和大电阻接地的故障数据。 4.根据权利要求1所述的配电网高阻接地故障识别方法, 其特征在于, 采用神经网络构 建高阻接地故障识别模型包括: 用于接收输入数据的输入层; 采用卷积核大小为1 ×3、 1×5、 1×7构建密集连接神经网络的卷积层; 采用ELU函数作为激活函数构建密集连接神经网络的激活层; 采用双通道全连接块作为密集连接神经网络的连接层; 其中, 所述高阻接地故障识别模型包括与所述连接层连接的过渡层、 与所述过渡层连 接的池化层以及与所述池化层连接的输出层。 5.根据权利要求4所述的配电网高阻接地故障识别方法, 其特征在于, 所述双通道全连 接块包括两个并行连接的单通道全连接块, 所述单通道全连接块包括四个串 行连接的全连 接层, 每个所述全连接层包括采用两个不同尺度卷积核大小。 6.根据权利要求4所述的配电网高阻接地故障识别方法, 其特征在于, 采用所述高阻接 地故障识别模型对待识别数据进行高阻接地故障类型识别的步骤 包括: 将所述仿真故障数据输入所述高阻接地故障识别模型的输入层中, 所述高阻接地故障 识别模型的卷积层对所述仿真故障数据进行 卷积特征处理, 得到一维序列数据; 通过所述高阻接地故障识别模型的激活层和连接层对所述一维序列数据进行并行提 取特征, 得到特 征数据; 所述特征数据通过所述高阻接地故障识别模型的过渡层、 池化层和输出层输出识别的 高阻接地故障类型。 7.根据权利要求6所述的配电网高阻接地故障识别方法, 其特征在于, 通过所述高阻接 地故障识别模型的激活层和连接层 对所述一 维序列数据进 行并行提取特征包括: 采用卷积 核大小分别为1 ×3和1×5的两条单通道全连接块并行对所述 一维序列数据进行提取 特征。 8.根据权利要求6所述的配电网高阻接地故障识别方法, 其特征在于, 所述高阻接地故 障识别模型 的卷积层对所述仿真故障数据进行卷积特征处理, 得到一维序列数据包括: 采 用卷积核大小分别为 1×3、 1×5、 1×7并行对所述仿 真故障数据进行特征提取处理, 得到三权 利 要 求 书 1/2 页 2 CN 113945862 A 2组处理数据; 对所述 三组处理数据合并得到一维序列数据。 9.一种配电网高阻接地故障识别装置, 其特征在于, 包括数据获取模块、 模型构建模块 和识别输出模块; 所述数据获取模块, 用于构建高阻接地故障仿真模型并获取所述高阻接地故障仿真模 型在不同接地故障情况 下的仿真故障数据; 所述模型构建模块, 用于采用神经网络对所述仿真故障数据进行处理, 构建高阻接地 故障识别模型; 所述识别 输出模块, 用于采用所述高阻接地故障识别模型对待识别数据进行高阻接地 故障类型识别。 10.一种配电网高阻接地故障识别设备, 其特 征在于, 包括处 理器以及存 储器; 所述存储器, 用于存 储程序代码, 并将所述 程序代码传输给 所述处理器; 所述处理器, 用于根据所述程序代码中的指令执行如权利要求1 ‑8任意一项所述的配 电网高阻接地故障识别方法。权 利 要 求 书 2/2 页 3 CN 113945862 A 3

.PDF文档 专利 一种配电网高阻接地故障识别方法、装置及设备

文档预览
中文文档 20 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共20页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种配电网高阻接地故障识别方法、装置及设备 第 1 页 专利 一种配电网高阻接地故障识别方法、装置及设备 第 2 页 专利 一种配电网高阻接地故障识别方法、装置及设备 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 21:44:00上传分享
友情链接
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。