一种基于BP神经网络的小电流接地系统接地选线方法与流程

一种基于bp神经网络的小电流接地系统接地选线方法
技术领域
1.本发明涉及电网事故处理技术领域，具体涉及一种基于bp神经网络的小电流接地系统接地选线方法。


背景技术：

2.在小电流接地系统接地选线领域，国内外使用产品主要集中于利用人工智能手段提高接地选线装置动作正确率方面，但我国各地区仍大量存在老旧变电站未安装接地选线装置的情况，且由于设备、场地、经费、工期等原因后期也无法安装接地选线装置。这些变电站的配出线路发生单相接地故障时，只能依靠当值调控员人为试停的方法查找接地线路。不仅故障查找时间较长，而且经过试停的非接地线路所带用户，会经历突然停电又来电的情况，不利于提高供电可靠性。因此设计一种依靠人工智能手段和故障历史数据的接地选线方法，对提高调控员接地选线试停的准确率，缩短故障查找时间，具有十分重要的现实意义。


技术实现要素：

3.针对上述现有技术中存在的技术问题，本发明提供了一种基于bp神经网络的小电流接地系统接地选线方法，使用变电站配出线路发生单相接地故障的故障历史数据训练bp神经网络，当该变电站再次发生单相接地故障时利用bp神经网络给出线路试停方案，可解决现有技术中接地选线缺少辅助决策信息，漫无目的地随机选择试停线路，缺乏科学合理性的问题。
4.为实现本发明的目的，本发明提供的一种基于bp神经网络的小电流接地系统接地选线方法，
5.(1)搜集某变电站配出线路发生单相接地故障时的故障历史数据，对故障历史数据进行数据归一化；
6.(2)搭建三输入、一输出的三层bp神经网络，使用接地故障历史数据训练该bp神经网络；
7.(3)当该变电站再次发生单相接地故障时利用bp神经网络给出线路试停方案，如经过试停发现bp神经网络给出的线路不是接地线路时，将历史数据中涉及该条线路的数据全部去除，重新训练bp神经网络，按照bp神经网络给出的线路试停方案再次进行试停，循环该过程，直到查找出接地线路为止。
8.其中，所述故障历史数据包括发生月份、当天天气情况和是否为工作日三个因素。
9.其中，对故障历史数据进行数据归一化，包括：将变电站配出线路按顺序编号；定义天气情况分别为：晴天1，大风2，大雾3，雷雨4；定义故障发生在工作日为1，发生在非工作日为0。
10.其中，所述bp神经网络的三输入包括：输入1＝发生月份，输入2＝当天天气情况，输入3＝是否为工作日，一输出＝接地线路编号，网络层数为3层，隐含层节点个数为7个。
11.与现有技术相比，本发明的有益效果为，
12.将归一化的故障历史数据作为样本数据，训练bp神经网络。
13.当该变电站某时刻发生单相接地故障时，对bp神经网络输入当时所在的月份、天气情况和是否为工作日信息，记录其输出线路编号，作为接地选线的首选线路；
14.若该条线路不是接地线路，则将样本数据中已试停过线路的历史数据全部去除，重新训练bp神经网络。训练完毕后，再输入当时所在的月份、天气情况和是否为工作日信息，记录其输出线路编号作为第二轮试停的线路。如果这条线路仍不是接地线路，则重复执行本步骤，直到找出接地线路为止；
15.利用此方法对提高调控员接地选线试停的准确率，缩短故障查找时间，具有十分重要的现实意义。
附图说明
16.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
17.图1为本发明的工作流程示意图；
18.图2为本发明的bp神经网络结构图。
具体实施方式
19.为使本发明实现的技术手段更容易理解，下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关申请，而非对该申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分。
20.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
21.需要说明的是，在本技术的描述中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
22.此外，还需要说明的是，在本技术的描述中，除非另有明确的规定和限定，术语“安装”等应做广义理解，例如，可以是固定安装，也可以是可拆卸安装。
23.对于本领域技术人员而言，可根据具体情况理解上述术语在本技术中的具体含义。
24.实施例1
25.如图1-图2所示，
26.本实施例提供的一种基于bp神经网络的小电流接地系统接地选线方法，
27.包括如下步骤：
28.步骤1、搜集某变电站配出线路发生单相接地故障时的故障历史数据，对故障历史数据进行数据归一化；
29.步骤2、搭建三输入、一输出的三层bp神经网络，使用接地故障历史数据训练该bp神经网络；
30.步骤3、当该变电站再次发生单相接地故障时利用bp神经网络给出线路试停方案，如经过试停发现bp神经网络给出的线路不是接地线路时，将历史数据中涉及该条线路的数据全部去除，重新训练bp神经网络，按照bp神经网络给出的线路试停方案再次进行试停，循环该过程，直到查找出接地线路为止。
31.实施例2
32.在实施例1的基础上，本实施例做了如下进一步限定，本实施例在步骤1中，将所述故障历史数据设置了三个因素，三个因素包括发生月份、当天天气情况和是否为工作日等三个因素。
33.实施例3
34.在实施例2的基础上，本实施例做了如下进一步限定，本实施例在步骤1中，具体对故障历史数据进行数据归一化的细节进行了限定，数据归一化的内容包括：将变电站配出线路按顺序编号；将天气情况分别定义为：晴天1，大风2，大雾3，雷雨4；若故障发生在工作日则定义为1，若故障发生在非工作日则定义为0。
35.如图2所示，本实施例中的所涉及的bp神经网络的三输入包括：输入1＝发生月份，输入2＝当天天气情况，输入3＝是否为工作日，一输出＝接地线路编号，网络层数为3层，隐含层节点个数为7个。
36.步骤3中，具体包括如下步骤：
37.将归一化的故障历史数据作为样本数据，训练bp神经网络。
38.当该变电站某时刻发生单相接地故障时，对bp神经网络输入当时所在的月份、天气情况和是否为工作日信息，记录其输出线路编号，作为接地选线的首选线路；
39.若该条线路不是接地线路，则将样本数据中已试停过线路的历史数据全部去除，重新训练bp神经网络。训练完毕后，再输入当时所在的月份、天气情况和是否为工作日信息，记录其输出线路编号作为第二轮试停的线路。如果这条线路仍不是接地线路，则重复执行本步骤，直到找出接地线路为止；
40.利用此方法对提高调控员接地选线试停的准确率，缩短故障查找时间，具有十分重要的现实意义。
41.需要说明的是，本技术中未详述的技术方案，采用公知技术。
42.以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。