一种配电网故障区段定位方法

技术特征：
1.一种配电网故障区段定位方法，其特征在于，包括：采集配电网发生故障后的各区段两端的零序电流；对所述零序电流进行预处理后，再进行短时傅里叶变换，获取时频图；利用引入迁移学习的convnext，对所述时频图进行特征提取与分类，获取配电网故障区段定位结果。2.根据权利要求1所述的配电网故障区段定位方法，其特征在于，发生故障后的各区段两端的所述零序电流为：其中，为故障点上游的零序电流量，为故障点下游的零序电流量，为对地电容；为消弧线圈电感；为流过的电容电流；为流过的电感电流，表示终端的总数，表示故障上游的终端数量，表示流经第个电容的电流，为间的整数。3.根据权利要求1所述的配电网故障区段定位方法，其特征在于，对所述零序电流进行预处理包括：基于所述零序电流，计算各区段的零序电流幅值差；将各区段的所述零序电流幅值差，按照区段顺序进行排列拼接成组合信号。4.根据权利要求1所述的配电网故障区段定位方法，其特征在于，所述短时傅里叶变换为：其中，为原信号；为窗函数的时域形式，为窗函数选取的时间，为时间，f为频率，e表示数学常量，j表示复数。5.根据权利要求4所述的配电网故障区段定位方法，其特征在于，进行所述短时傅里叶变换还包括：设置所述短时傅里叶变换的带宽和时域分辨率；所述短时傅里叶变换的带宽为：其中，为带宽，为的能量，表示窗函数的频域形式，f表示频率；所述短时傅里叶变换的时域分辨率为：
其中，为时域分辨率，为的能量，表示窗函数的时域形式。6.根据权利要求1所述的配电网故障区段定位方法，其特征在于，所述引入迁移学习的convnext包括：stem、res2-res5、全局平均池化层、全连接层和softmax分类器；所述stem、res2-res5、全局平均池化层、全连接层与softmax分类器依次连接；所述stem由一个预设数值卷积核的卷积层构成，res2-res5由convnext block堆叠构成，其中，每个res后都接入一个下采样层。7.根据权利要求6所述的配电网故障区段定位方法，其特征在于，在所述引入迁移学习的convnext中，softmax分类器输出结构为1
×1×
配电网区段的数量，所述stem、res2-res5载入预训练模型的权重参数，其中，所述预训练模型为引入imagenet数据集后训练完成的模型，所述权重参数为预训练模型训练完成后得到的权重参数。8.根据权利要求1所述的配电网故障区段定位方法，其特征在于，根据引入迁移学习的convnext，对所述时频图进行特征提取与分类包括：将所述时频图划分为训练集和测试集；将所述训练集输入至所述引入迁移学习的convnext中，对所述引入迁移学习的convnext进行训练，再通过所述测试集对训练后的所述引入迁移学习的convnext进行测试；通过测试后的所述引入迁移学习的convnext，对所述时频图进行特征提取与分类。

技术总结
本发明提供了一种配电网故障区段定位方法，包括：采集配电网发生故障后的各区段两端的零序电流；对所述零序电流进行预处理后，再进行短时傅里叶变换，获取时频图；根据引入迁移学习的ConvNeXt，对所述时频图进行特征提取与分类，获取配电网故障区段定位结果。本发明耐受高阻能力强，具有一定的抗噪声的能力，且在部分数据丢失的情况下依然能进行区段定位。在部分数据丢失的情况下依然能进行区段定位。在部分数据丢失的情况下依然能进行区段定位。


技术研发人员：吴浩 邓思敬 杨玉萍 邹西
受保护的技术使用者：四川轻化工大学
技术研发日：2022.08.15
技术公布日：2022/9/13