一种基于改进VMD-CNN-BiLSTM的配电网单相接地故障选线方法与流程

本发明属于配电网故障选线领域，具体涉及一种基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法。

背景技术：

1、当前，我国配电网普遍采用小电流接地系统，且发生故障的情况多数源自于配电线路单相接地，故障检测和选线方法是及时清除故障、保障配电网安全可靠运行的关键技术。在配电网的中性点经消弧线圈接地系统中，若发生单相接地故障，消弧线圈提供电感电流进行补偿，导致故障电流微弱，电磁状态受扰严重，影响故障选线的准确性，使得故障性质劣化，危机系统及人身安全。为此，研究快速、可靠的故障选线方法并及时切除故障是确保配电网稳定可靠运行的有效途径，且可以提高配电网的智能化与安全化水平。

2、迄今，基于故障特征的选线方法主要包括注入法、稳态分量法和暂态分量法。注入法通过向配电网注入特殊信号实现选线，但注入信号易受到干扰。稳态分量法利用配电网故障后的稳定电流作为特征进行选线，对不同故障工况适用性差。暂态分量法通过提取暂态电气量的丰富特征进行故障选线，具有优良的选线效果。

3、近年来，随着计算机技术的发展，基于深度学习和人工智能的故障选线技术得到长足发展。神经网络是人工智能技术中应用领域较为广泛的一门技术，类似于人类神经系统中的信息处理技术，目前已较为成熟。基于神经网络的选线方法可以依据各种输入信号和选线结果输出进行训练，选取效果较好的训练结果作为选线判据。因此，将智能算法与神经网络技术相结合进行故障诊断，可作为故障选线的一种有效手段。

技术实现思路

1、本发明提供一种基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，可以通过改进后的vmd和cnn-bilstm相结合实现故障选线的目的，可以在不同故障线路、故障类型、故障合闸角和故障距离的故障工况下实现故障线路的准确判别。

2、本发明的有益效果在于：本发明所涉及的故障选线方法，能够有效识别故障线路，在各种故障工况下保证快速准确的故障选线率。

技术特征：

1.一种基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，步骤1)中，所建立配电网单相接地故障仿真模型考虑到可能导致故障的各种情况，设置了不同故障相角、高阻接地、噪声与谐波干扰等各种工况，使故障选线方法具有普适性。

3.根据权利要求1所述基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，步骤2)中，所述ocssa改进后的变分模态分解以模态数k和惩罚因子α最优为目标，优化vmd的分解效果。

4.根据权利要求2所述基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，步骤2)中，所述ocssa算法搜索vmd分解最优参数时，需确定一个适应度函数，用来评价寻优参数是否最优，适应度函数选取的优劣决定着ocssa寻优vmd参数的好坏,适应度函数主要包括最小包络熵、最小样本熵、最小信息熵和最小排列熵；包络熵代表原始信号的稀疏特性；样本熵的物理含义与近似熵相似，它是用来测量信号中出现新模式的概率，并测量其复杂性；信息熵是描述系统不确定程度的物理量；排列熵可以有效反映时间序列的复杂程度，排列熵值经过归一化处理后可以更好地反映时间序列的规则程度；为了更好的提取信号的故障特征，本文选取排列熵和互信息熵的复合指标作为适应度函数，对vmd参数进行寻优。

5.根据权利要求2所述基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，步骤3)中，本发明使用cnn和bilstm的串联结构对改进的vmd算法分解后的故障信息进行处理，提取序列维度上的特征信息，达到故障选线的目的。

6.根据权利要求4所述基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，所述cnn是一种含有卷积计算及深度架构的前馈神经网络，具有权值共享、局部连接、层次丰富和池化操作等特点，能够自主高效挖掘输入数据的时空特征，在故障诊断、图像识别和目标检测等领域具有良好的应用成效；cnn的主要结构包含卷积层和池化层，其中卷积层可以有效提取输入数据的非线性局部特征，池化层可以有效压缩特征维数及参数数量，提升数据泛化能力和收敛速度。

7.根据权利要求4所述基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，所述bilstm在传统长短时记忆神经网络(long-short term memory,lstm)的基础上再次进行优化改进，通过结合前向传播和后向传播，使得数据挖掘从两端分别进行，最终将正反两个方向的处理结果进行拟合得到识别结果。

8.根据权利要求1所述基于改进vmd-cnn-bilstm的配电网单相接地故障选线方法，其特征在于，步骤4)中，本发明利用设置的包括不同故障线路、不同故障类型、不同故障合闸角和不同故障距离的单相接地故障数据的测试集验证本发明所提方法的准确性与有效性。

技术总结本发明涉及一种基于改进变分模态分解(variational mode decomposition，VMD)‑卷积神经网络(convolutional neural networks,CNN)‑双向长短时记忆神经网络(Bi‑directional Long‑Short Term Memory,BiLSTM)的配电网单相接地故障选线方法。当配电网发生单相接地故障时，通过基于鱼鹰和柯西变异的麻雀优化算法(Osprey and Cauchy mutation sparrow search algorithm,OCSSA)改进的VMD分解各馈线的零序电流信号，将分解后的零序电流信号按馈线从小到大的顺序连接成特征向量，并作为CNN‑BiLSTM构成的训练网络的输入信号，对特征向量进行数据挖掘，实现故障类型的分类，达到故障选线的目的。本发明在故障选线中考虑发生各种单相接地故障时配电网的故障选线准确率，保证故障选线方法的有效性。技术研发人员：张建波,周建军,贾建刚,徐清轩,井从峰,路平,严相卿,裴琦,李士雅,王媛媛受保护的技术使用者：国网河南淅川县供电公司技术研发日：技术公布日：2024/10/17