买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明公开了一种基于有限µPMU数据驱动的配电网故障测距方法及系统，方法包括：构造配电网的拓扑图，获取拓扑图的邻接矩阵和最短距离矩阵；根据最短距离矩阵，确定µPMU装置和智能电表在配电网节点中的放置位置；采集配电网发生故障时，µPMU装置测量的电压波形序列、智能电表测量的电压值；通过离散小波变换将电压波形序列分解，获取细节分量和近似分量；将近似分量和智能电表测量的电压值结合，获取故障选线原始电压输入特征矩阵并联合邻接矩阵作为输入，输入至故障选线图卷积神经网络中，获取最优故障线路特征；将细节分量和最优故障线路特征输入至故障测距人工神经网络中，获取故障的位置信息。本发明能解决传统方法中阻抗法故障定位多重估计问题。

主权项：1.一种基于有限µPMU数据驱动的配电网故障测距方法，其特征在于，包括：构造配电网的拓扑图，并获取拓扑图的邻接矩阵和最短距离矩阵；根据归一化后的最短距离矩阵，确定µPMU装置在配电网节点中的放置位置，以及在配电网的其他节点放置智能电表；采集配电网发生故障时，µPMU装置测量的电压波形序列，以及智能电表测量的电压值；通过离散小波变换将µPMU装置测量的电压波形序列分解，获取细节分量和近似分量；将近似分量和智能电表测量的电压值结合，获取故障选线原始电压输入特征矩阵；将细节分量作为故障测距原始电压输入特征矩阵；将故障选线原始电压输入特征矩阵联合邻接矩阵作为输入，输入至故障选线图卷积神经网络中，获取最优故障线路特征；将故障测距原始电压输入特征矩阵和最优故障线路特征作为输入，输入至故障测距人工神经网络中，获取故障的位置信息；其中，获取故障的位置信息，包括：构建故障测距人工神经网络包括：一个输入层、一个隐藏层、一个输出层和一个softmax层；将归一化后的故障选线原始电压输入特征矩阵和最优故障线路特征输入到输入层中，从而利用下式，获取隐藏层的输出矩阵P； ；式中，，分别对应故障测距人工神经网络的输入层到隐藏层中归一化后的故障选线原始电压输入特征矩阵和最优故障线路特征的两个权重矩阵；表示输入层到隐藏层的阈值矩阵；利用下式得到故障测距人工神经网络的输出层的输出矩阵O： ；式中，表示从输入层到隐藏层的权重矩阵；表示隐藏层到输出层的阈值矩阵；表示sigmoid激活函数；将输出层的输出矩阵O输入softmax层中进行处理后，获取最优故障线路特征上故障点到最优故障线路特征左端的母线单元的距离与最优故障线路特征的长度之间的比值，并作为预测的故障位置；根据预测的故障位置和真实的故障位置之间的误差建立损失函数，并利用误差反向传播算法对故障测距人工神经网络进行训练，以调整故障测距人工神经网络的权重矩阵和阈值矩阵，直至损失函数收敛为止，从而得到最优故障测距人工神经网络，用于实现线路上故障点的位置预测。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于有限µPMU数据驱动的配电网故障测距方法及系统