一种配电线路故障区段快速定位的方法与流程

本发明属于配电线路故障，具体而言，涉及一种配电线路故障区段快速定位的方法。

背景技术：

1、配电线路故障区段快速定位是配电网自动化的核心功能，传统方法依赖暂态行波信号的时频分析与图神经网络的全连接注意力机制，在中小规模配电网中已得到广泛应用。然而，当配电网规模扩展至数千条支路时，全连接注意力的计算复杂度随节点数量呈二次方增长，行波信号的hz级采样率使单周期数据量极为庞大，传统时频变换无法在百毫秒阈值内完成特征提取；与此同时，连续故障与级联跳闸场景下的状态转移矩阵规模达百万乘百万量级，存储与推断开销均超出工程可接受范围。在现有技术中，由于大规模配电网拓扑复杂、行波采样率高、多区段故障状态空间维度爆炸，现有特征提取与推断方法的计算量随网络规模快速膨胀，无法在实时定位所要求的时间窗口内完成全流程计算。也就是说，现有技术中存在配电网大规模故障场景下实时行波信号特征提取与多区段故障状态协同推断计算复杂度过高、无法满足百毫秒级实时定位要求的技术问题。

技术实现思路

1、有鉴于此，本发明提供一种配电线路故障区段快速定位的方法，能够解决现有技术中存在配电网大规模故障场景下实时行波信号特征提取与多区段故障状态协同推断计算复杂度过高、无法满足百毫秒级实时定位要求的技术问题。

2、本发明是这样实现的：本发明提供一种配电线路故障区段快速定位的方法，包括以下步骤：

3、对暂态行波信号进行时域稀疏采样，保留关键频率分量，将原始采样数据压缩为低维频域特征向量，送入多尺度金字塔哈希稀疏感知定位模型进行特征提取；

4、对配电网邻接矩阵进行稀疏化处理，仅对非零元素对应的支路对构建图结构稀疏注意力权重，利用多尺度金字塔哈希稀疏感知定位模型的局部敏感哈希编码器生成哈希码，实现线性级复杂度的支路相关性计算；

5、采用张量分解与低秩近似技术对故障状态转移张量进行处理，将高阶转移张量分解为若干核心张量与因子矩阵乘积，消除连续故障与级联跳闸引发的状态空间维度爆炸问题；

6、以多尺度金字塔哈希稀疏感知定位模型输出的稀疏特征向量为观测层输入，送入深度条件随机场时空协同推断模型，通过全局能量函数融合一元势函数与二元势函数，对各区段故障状态标签进行结构化推断；

7、在深度条件随机场时空协同推断模型的推断阶段，采用平均场近似与置信度传播算法在因子图上迭代消息传递，输出各区段故障概率分布，结合稀疏注意力支路相关性权重确定故障区段候选集；

8、依据动态稀疏调节函数计算调节值，根据调节值所属区间对多尺度金字塔哈希稀疏感知定位模型的哈希桶数量参数与掩码阈值参数进行自适应调节，输出最终故障区段定位结果。

9、其中，所述时域稀疏采样，具体是在时域对高采样率信号按非均匀间隔抽取样本点，仅保留信号突变时刻附近的密集采样点，平稳段采用稀疏采样点；所述关键频率分量指暂态行波信号经快速傅里叶变换后，按各频率分量能量值降序排列，累计能量占总能量比例达能量占比阈值时所对应的频率集合。

10、其中，所述多尺度金字塔哈希稀疏感知定位模型由多尺度金字塔特征提取器、可学习二值掩码层、局部敏感哈希编码器、排序重组注意力过滤层、物理约束哈希桶构造模块五部分串联构成；多尺度金字塔特征提取器对输入低维频域特征向量执行四级小波分解，四级特征图沿通道维度拼接形成多尺度特征向量。

11、其中，所述可学习二值掩码层接收多尺度特征向量，掩码生成子网络输出各特征通道对应的伯努利分布参数，前向推理时按硬阈值化规则将参数大于掩码参数阈值的通道掩码置1、其余置0，仅保留激活值前掩码比例阈值的特征通道参与后续计算；反向传播时采用直通估计器绕过阈值化操作的不可微点。

12、其中，所述局部敏感哈希编码器使用多组超平面随机投影，对每组超平面生成1位哈希码，多组拼接形成哈希码，将特征空间划分为多个哈希桶；超平面法向量通过梯度下降优化使同一故障类型样本哈希碰撞概率最大化；局部敏感哈希编码器的多组投影权重矩阵在各自通道上独立分配显存块，每组权重矩阵的显存块大小与对应特征通道数成正比分配。

13、其中，所述物理约束哈希桶构造模块将线路地理距离与电气距离作为额外哈希维度，保证物理相邻支路被映射到相同或汉明距离小于汉明距离阈值的邻近哈希桶；注意力计算时仅对查询向量所在哈希桶及汉明距离小于汉明距离阈值的邻近桶内的键向量计算相似度。

14、其中，所述排序重组注意力过滤层在计算初步注意力得分后，按得分降序排列并丢弃后丢弃比例阈值的弱相关项，仅对高分项执行值向量加权聚合；模型各层之间的特征张量传递采用流水线方式分层分配内存，第层的中间激活张量在第层计算完成后立即释放。

15、其中，所述张量分解与低秩近似技术指将高阶转移张量通过tucker分解或cp分解近似表示为若干低维核心张量与因子矩阵的乘积；核心张量在各模态方向上的维度不超过秩值阈值，从而将状态转移矩阵所需的存储压缩至可接受的内存范围。

16、其中，所述深度条件随机场时空协同推断模型采用观测层、隐藏层、标注层三级结构；二元势函数的参数由配电网潮流方程与短路计算解析导出，将物理定律硬编码入模型结构；隐藏层各层之间的神经元连接权重矩阵按区段编号分块分配，每个区段对应的权重子矩阵独立存储于连续内存块。

17、其中，所述平均场近似将多变量联合后验分布近似为各变量独立边缘分布的乘积，通过坐标上升迭代依次更新每个变量的边缘分布；收敛条件为相邻两次迭代中各区段故障概率变化量均小于收敛精度阈值。

18、其中，所述动态稀疏调节函数定义调节值由当前推理批次的平均哈希桶激活率、当前迭代轮次的平均场收敛步数、当前批次的故障候选集区段数量三项加权求和得到；当调节值不小于上分段阈值时，将哈希桶数量参数降低且将掩码阈值参数提升；当调节值不小于下分段阈值且小于上分段阈值时，维持默认推理配置；当调节值小于下分段阈值时，将哈希桶数量参数提升且掩码阈值参数降低。

19、其中，多尺度金字塔哈希稀疏感知定位模型的训练数据集构建步骤包括：基于配电网仿真平台构建包含单相接地故障、两相短路故障、三相短路故障、断线故障的仿真场景，每种故障类型在每个故障位置生成不少于最小样本量阈值组仿真波形数据；对每条样本标注故障区段编号作为监督标签，按训练验证测试比例划分数据集；在训练集中对低维频域特征向量施加幅值扰动与时延偏移数据增广。

20、其中，多尺度金字塔哈希稀疏感知定位模型训练步骤包括：以交叉熵损失函数为主损失，附加哈希碰撞对比损失以优化超平面法向量，使同一故障类型样本对的哈希码汉明距离最小化、不同故障类型样本对的汉明距离最大化；采用adam优化器，以验证集定位精度连续不提升的轮次数为早停条件。

21、其中，所述置信度传播算法在因子图上，各变量节点与因子节点之间按固定规则迭代交换消息，消息内容为对邻近节点状态的概率信念；消息更新规则同时融合隐藏层深度特征输出的一元势函数值与由潮流方程导出的二元势函数值。

22、其中，能量占比阈值的取值范围为3%至8%；掩码比例阈值的取值范围为20%至40%，取值为30%；汉明距离阈值的取值范围为2至4，取值为3；丢弃比例阈值的取值范围为40%至60%，取值为50%；秩值阈值的取值范围为8至15，取值为10；收敛精度阈值的取值范围为至，取值为；下分段阈值的取值范围为0.25至0.35，上分段阈值的取值范围为0.60至0.75。

23、本发明通过时域稀疏采样与频域压缩感知将行波信号压缩为低维频域特征向量，利用多尺度金字塔哈希稀疏感知定位模型的局部敏感哈希编码与图结构稀疏注意力将支路相关性计算复杂度从二次方降至近线性，采用张量分解将状态转移张量分解为低秩核心张量与因子矩阵乘积以消除状态空间维度爆炸，再由深度条件随机场时空协同推断模型结合平均场近似与置信度传播完成结构化推断，最终通过动态稀疏调节函数依据运行负载自适应调节哈希桶数量与掩码阈值参数，解决了大规模配电网场景下行波特征提取与多区段故障状态推断计算复杂度过高的技术问题。数据压缩使单周期存储量降至原始量的5%以内，哈希稀疏注意力将遍历范围限定在物理相邻哈希桶内，张量分解将存储规模从太字节级压缩至可接受内存范围，平均场近似避免了联合分布的精确推断开销，各环节的复杂度协同收敛，使全流程推理延迟降至百毫秒阈值以下。综上所述，本发明解决了背景技术中提到的配电网大规模故障场景下实时行波信号特征提取与多区段故障状态协同推断计算复杂度过高、无法满足百毫秒级实时定位要求的技术问题。