CN110596533B

CN110596533B - 一种配电网单相接地故障区段定位方法及***

Info

Publication number: CN110596533B
Application number: CN201910867027.3A
Authority: CN
Inventors: 石访; 张恒旭; 张林林; 徐凯; 韩兴臣; 孙菊
Original assignee: Shandong University
Current assignee: Shandong University
Priority date: 2019-09-12
Filing date: 2019-09-12
Publication date: 2020-07-31
Anticipated expiration: 2039-09-12
Also published as: CN110596533A

Abstract

本发明公开了一种配电网单相接地故障区段定位方法及***，实现对配电网单相接地故障的区段定位；该方法包括以下步骤：获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。

Description

一种配电网单相接地故障区段定位方法及***

技术领域

本公开涉及配电网故障诊断技术领域，具体涉及一种基于同步波形特征提取及矩阵分析的配电网单相接地故障区段定位方法及***。

背景技术

配电网承担着将输电网的电能分配给电力用户的功能，直接影响着生活生产的各方面。据统计，我国每年停电损失中的90％左右源自配电网故障,配电网故障诊断与定位问题一直是电力***的研究热点。我国中低压配电网多采用中性点不接地或经过消弧线圈和高阻抗接地，单相接地的故障电流很微弱，甚至消弧线圈的补偿电流有可能使零序电流小于非故障线电流，给故障诊断带来一定困难。而电力***的运行经验表明，所有短路故障中单相接地占比可达65％。虽然单相接地后***可继续运行1-2小时，对用电设备没有影响，但很容易发展为相间故障甚至是三相故障，造成更严重的危害。单相接地的故障定位及选线是配电网故障诊断领域的重要课题。

传统的故障诊断主要使用开关量，即断路器和保护装置的动作信息，作为诊断依据。然而，基于开关量的诊断方法在面对馈线短路故障时表现良好，但在小电流接地故障方面表现出较大的缺点，因为目前当发生小电流接地故障时，电力规程要求断路器和其他继电保护装置不动作以保证配电网的供电可靠性。另外，断路器及保护装置存在误动、拒动且开关量容易因信道干扰发生信息丢失。因此，这类方法在小电流接地故障下缺乏准确和足够的输入数据。实际上，电网发生故障后，各类故障信息的变化是以因果逻辑顺序发生的。首先是以故障元件为中心，各节点电压、支路电流等电气量发生变化，只有满足保护装置的整定条件后，才会触发继电保护装置动作，并动作于断路器跳闸产生开关变位信息。因此电压和电流等电气量的变化是电网发生故障后最直接的反应，具有比开关量更为优越的准确性和可靠性，其中具有丰富的故障相关信息，蕴含着故障发生的机理，从电压和电流波形中提取的合理特征可以用于***故障的分析。

另外，现有的电网故障诊断方法大都基于局部的开关量和保护数据，且各地各级各类数据源没有统一的同步时标，未能综合多源信息从全局的广域角度实现更为准确可信的故障诊断，难以实时监测电网在各类故障下的动态过程。

分布式电源、电动汽车及柔性互动负荷等分布式设备的大规模接入给配电网故障诊断带来了新的挑战。配电网正在由原来的单一辐射状网络转变为功率在多点可双向流动的复杂拓扑网络。依靠线路分布电容耦合和分布式电源接地点，***形成多样化的电流回路，加之网络拓扑的动态变化，配电网运行方式更加复杂，导致故障电流特征变化频繁，电流保护判据不再固定。而采用局部信息的传统保护和故障诊断方案需事先离线整定，实际应用中作用范围受到局限，易受干扰，判别结果较片面，存在误动的可能且无法覆盖所有的场景。

随着以现代信息技术为基础的电网量测***的发展，如配网侧同步相量测量单元(D-PMU)、故障录波器(Fault Waveform Recorder)，调度中心能够采集到越来越多的精确信息并以时间序列的形式刻画出了电气量的实际变化波形，其中蕴含着丰富的***运行状态信息，这将对提高单相接地故障诊断的性能有很大帮助，这为基于全***综合信息的故障诊断方法在实际中的应用提供了坚实的数据基础，基于同步波形分析的故障诊断方法将成为今后的重要发展方向。

发明人在研发过程中发现，以上方案还存在以下技术问题：

(1)接地电流微弱，消弧线圈补偿电流甚至导致故障线零序电流小于非故障线，间歇性接地频发使电弧不稳定，另外高阻故障多，提取的配电网短路故障的特征不明显；

(2)通过计算任意两个节点的由波形特征量形成的四维向量之间的距离构造能反映配电网网络结构的拓扑矩阵，该矩阵的任一元素均可以反映了相应两节点在零序电流与故障电流上的差异。但是，并未对该拓扑矩阵进行分析。

(3)已有的短路故障辨识算法主要是基于配电网变电站的就地故障信息，在实际的应用中面临很大的局限性，然而，若将大量的波形数据从配电网的测量节点直接上传到调度中心并进行分析，冗余和低效率等问题是显而易见的，调度中心将面临海量数据，运行维护成本很高。

发明内容

为了克服上述现有技术的不足，本公开提供了一种配电网单相接地故障区段定位方法及***，实现对配电网单相接地故障的区段定位。

本公开一方面提供的一种配电网单相接地故障区段定位方法的技术方案是：

一种配电网单相接地故障区段定位方法，该方法包括以下步骤：

获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；

基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；

计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；

对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；

计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。

本公开另一方面提供的一种配电网单相接地故障区段定位***的技术方案是：

一种配电网单相接地故障区段定位***，该***包括若干个安装在配电网内每个结点处的故障录波器以及处理器；

所述故障录波器，用于获取配电网内多个故障样本在所有节点处的电流波形数据，提取每个故障样本在所有节点处的波形特征量，以及获取待定位故障样本在其节点处的电流波形数据，提取待定位故障样本在其节点处的波形特征量；

所述处理器，用于基于每个故障样本在所有节点处的波形特征量，构建每个故障样本的拓扑矩阵；分析每个故障样本的拓扑矩阵，计算每个故障样本的随机矩阵特征值，构建每个故障样本特征值集合；对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。

本公开另一方面提供的一种计算机可读存储介质的技术方案是：

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：

本公开另一方面提供的一种处理装置的技术方案是：

一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：

通过上述技术方案，本公开的有益效果是：

(1)本公开实现对单相接地的故障电流波形特征的可靠提取，以录波器记录的各测量节点故障前后若干周波的三相电流波形作为输入，提出了针对该波形的四维特征描述方法，从波形中提取特征量用以刻画和替代原波形；

(2)本公开通过各录波器启动记录波形后就地提取故障特征量，然后将计算出的特征量上传至调度中心，这样可以避免向调度中心上传整段波形从而大大减少所需的时间，减轻调度中心的负担，使调度中心及时判断***中单相接地故障的区段，在实际的应用上有更好的前景；

(3)本公开利用波形特征量形成拓扑矩阵，通过随机矩阵算法分析该拓扑矩阵的特征值，并对该特征值加以分析，实现区段精确定位；

(4)本公开所提出的故障区段定位方法，不受单相接地的接地相及过渡电阻大小的影响，可实现单相接地故障区段的可靠辨识，并能充分利用电力***中已存在的海量量测数据；

(5)本公开所提出的故障区段定位方法，基于配电网故障录波装置信号处理机制所设计的，既避免了基于变电站的就地信号所导致的故障辨识结果片面及可靠性不足的问题，也不会由于需要大量安装其他故障特征检测和处理装置带来的增加过多运营成本的问题，更符合于实际应用的要求。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。

图1是实施例一配电网单相接地故障区段定位方法的流程图一；

图2是实施例一配电网单相接地故障区段定位方法的流程图二；

图3是实施例一中配电网六个区段发生单相接地故障后的随机矩阵特征根分布示意图；

图4是实施例一中某配电网单相接地故障样本分布及聚类结果示意图；

图5是实施例一中某配电网单相接地故障的区段定位示意图。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

本实施例提供一种基于同步波形特征提取与矩阵分析的配电网单相接地故障区段定位方法，请参阅附图1，该方法包括以下步骤：

S101，获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；

S102，基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；

S103，计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；

S104，对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；

S105，计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。

为了使本领域技术人员更好的了解本申请的技术方案，下面列举一个更为详细的实施例。本实施例提供一种基于同步波形特征提取与矩阵分析的配电网单相接地故障区段定位方法，请参阅附图2，该方法包括以下步骤：

S201，获取配电网内多个故障样本在所有节点处的电流波形数据，并提取每个故障样本在所有节点处的波形特征量。

当前，故障录波装置部署已得到进一步推广，初步实现了监测网络化。当电力***发生疑似扰动时，录波器便会启动，记录疑似扰动时刻前后若干周波的电流波形数据。然后针对故障相在故障时刻前后各5个周波的电流波形进行展开分析，并提取零序电流能量、小波近似熵、首波峰占比及低阶不变矩四个特征，从而得到故障样本的特征量。并将特征量上传至调度中心，这样可以避免向调度中心上传整段波形从而大大减少所需的时间，减轻调度中心的负担。

由于实际电力***中对三相电压的测量误差及偏移较大，本实施例中利用三相电流及零序电流波形提取波形特征。由于我国中低压配电网一般为小电流接地，导致单相接地时故障电流较小，且三相电流之间存在耦合关系。

本实施例所提取的波形特征量包括零序电流能量、小波近似熵、首波峰占比及低阶不变矩。

具体地，所述波形特征量的提取方法为：

首先，利用如式(1)所示的卡伦鲍厄相模变换对故障样本在所有节点处的电流波形数据进行解耦。

其中，I₀为零序电流分量；I_α为α模的电流分量；I_β为β模的电流分量；I_a为A相电流分量；I_b为B相电流分量；I_c为C相电流分量。

选择零序电流突变量作为确定故障时刻的依据，ΔI(m)₀为第m个录波器的零序电流突变量；当ΔI(m)₀>ΔI_set时判定发生单相接地故障并记录故障时刻，m为录波器编号，ΔI_set为零序电流突变量门限值。

然后，利用α模与β模分量实现故障类型判别，不同接地相的单相接地故障会使两模量出现不同的变化，以A相接地为例，故障时B、C相电流远小于A相电流，即

其中，I_α为α模的电流分量；I_β为β模的电流分量。

其他接地短路情况如表1所示，因此计算所有录波器在故障时刻前后各一个周波的α模、β模分量的畸变比的平均值以判断故障类型，如式(3)所示。

其中，I(m)_αi为录波器m在第i个采样点采集到的α模电流分量；I(m)_βi为录波器m在第i个采样点采集到的β模电流分量；t为录波器在一个周波内的采样点数，N为录波器总数，Δ^t为周期差分算子，表示对时间序列以周期为单位计算差分，即Δ^tI(m)_i＝I(m)_i-I(m)_(i-t)。

表1不同类型故障的畸变比

最后，针对故障相在故障时刻前后各若干周波(本实施例取5个周波)的电流波形展开分析，为更加全面的描述波形，反映不同位置故障的电流性质，本实施例提出选取零序电流能量、小波近似熵、首波峰占比及低阶不变矩四个特征从不同方面来构建波形。

a.零序电流能量

定义零序电流能量(Zero-sequence current energy,E_I0)如式(4)所示。

其中，n为录波器启动后的采样点总数，I(m)_0i为录波器m在第i个采样点采集到的零序电流值。

电网中某一测量点有无零序电流流经取决于该点是否存在于***零序网络上，配电网分支线众多，在录波装置布点合理的情况下，某一区域发生故障总会导致固定的若干个测量点的零序电流出现相较于其他测量点更明显的变化，因此零序电流能量可以反映流经该测点的零序电流的大小。

b.小波近似熵

近似熵(approximate entropy,ApEn)是一种衡量信号序列复杂性的参数，用一无量纲非负数来定量表示，如式(5)所示。其物理本质是衡量维数变化时信号序列中出现新模式的对数条件概率均值，反映了时间序列中新信息发生的可能性，越复杂的时间序列对应的近似熵越大。近似熵由于具备诸多分析非平稳信号序列的优点，因而能为波形特征提取提供一种有效的参数，来辅助实现故障选线。

式中，N为原时间序列数据点个数，m为给定的模式维数，r为给定阈值，

为各重构序列之间距离小于r的序列数目与距离总数N-m+1的比值。

此外，低压配网小电流接地***在发生单相接地故障时的故障电流较小，一直以来基于稳态量的选线技术效果并不十分理想。而故障暂态量比稳态量大若干倍，故利用暂态量进行故障诊断的方案倍受青睐。本实施例利用小波变换(Wavelet transform)提取故障相电流的高频成分，再计算其近似熵，从而构造描述波形性质的另一参数小波近似熵W_ApEn。

任意时间序列f(t)的离散小波变换为：

其中，小波基函数ψ_m,n(t)满足

其中，m,n为平移因子，Z为整数集合。

c.首波峰占比

首先对故障电流波形做小波变换去除稳态分量，然后选用波形图首波峰占比α作为波形特征属性从局部波头方面量化波形的形态特征，如式(8)所示。首波峰占比α相当于波形均值在首波头最大上升沿中的占比，是一种提取脉动波形特征量的方法，能体现故障电流波形在波头形态上的差异。

其中，i_m,i_L,i_P分别为故障发生后n周波内的故障电流波形的最小值、首波头的峰值及均值，依据实际录波器录波时长及多次试验最佳结果，本实施例n取5。

d.低阶不变矩

矩在统计学中被用来反映随机变量的分布情况，将图像的灰度值看作是一个二维或三维的密度分布函数，那么矩方法即可用于图像分析领域并用作图像特征的提取。对于离散数字图像f(x,y)，不变矩的计算如式(9)所示。由于对于实际波形图像的识别，低阶矩的不变性会更好，而其他矩的误差较大，且对波形识别的关键在于波形形状，因此使用最低阶矩M₁来作为刻画波形的参数，它对波形的伸缩、平移不敏感，能够较有效的反映故障电流波形间的差异。

其中，m_pq为p+q阶离散几何矩；μ_pq为p+q阶离散中心矩，

与

为图像质心；η_pq为归一化离散中心矩。

综上，本实施例通过波形特征的提取，以四维坐标[E_I0,W_ApEn,α,M₁]的形式构建出波形性质表征空间。

假定在配电网的N个节点上部署有故障录波器，则调度中心接收到的波形特征量为：

R_m＝[E_I0m,W_ApEnm,α_m,M_1m]m＝1,2,…,N(10)

其中，R_m为节点m处的波形特征量；E_I0m为节点m处的零序电流能量；W_ApEnm为节点m处的小波近似熵；α_m为节点m处的首波峰占比；M_1m为节点m处的低阶不变矩。

S202，基于每个故障样本在所有节点处的波形特征量，构建每个故障样本的拓扑矩阵。

具体地，以步骤101得到的故障样本在所有节点处的波形特征量为基础，构建反映各节点之间关系的拓扑矩阵R，如式(11)所示。

其中，R_i为节点i处的波形特征量；R_j为节点j处的波形特征量；N为节点个数。

拓扑矩阵R是一对角线元素为0的对称矩阵，其中的任一元素反映了相应两节点在零序电流与故障电流上的差异，因此该矩阵结构，即矩阵元素值之间的相对大小关系，与故障区段紧密相关，通过对该矩阵的分析可以实现故障区段定位。

S203，分析每个故障样本的拓扑矩阵，求取每个故障样本的随机矩阵特征值，构建每个故障样本特征值集合。

具体地，所述步骤203中，对拓扑矩阵进行分析的具体实现方式如下：

(1)对拓扑矩阵R进行正态化处理，得到正态化过渡矩阵X。

以随机矩阵理论作为矩阵分析工具研究拓扑矩阵R，提取与故障区段紧密相关的复特征根刻画故障样本。针对拓扑矩阵R，利用公式(12)得到正态化过渡矩阵X。

其中，i＝1,2,…,N,j＝1,2,…,N；R_ij、X_ij分别为矩阵R、X的元素，

分别为两矩阵的行均值，σ_Ri、σ_Xi为行标准差，满足

(2)基于正态化过渡矩阵X，利用酉矩阵U得到奇异值等效矩阵X_e。

对于N×N的非厄米特矩阵X，利用酉矩阵U得到奇异值等效矩阵X_e，其表达式为：

其中，U为满足Haar分布的酉矩阵，可理解为实现实数平面向复数平面的映射，上标H表示共轭转置，另外，X与X_e满足XX^H＝X_eX_e ^H。

(3)对奇异值等效矩阵X_e进行单位化处理得到单位化矩阵Z，并计算矩阵Z的随机矩阵特征值Z_λ。

具体地，对矩阵X_e进行单位化处理后，得到的单位化矩阵Z的公式如下：

其中，i＝1,2,…,N,矩阵Z满足

σ²(Z)＝1/N，计算矩阵Z的特征值Z_λ，将对量测节点的故障波形的描述由波形特征向量R_m(m＝1,2,…,N)转换为随机矩阵特征值Z_λ，如下所示：

(4)利用多个故障样本的随机矩阵特征值形成故障样本特征值集合Z_set。

拓扑矩阵与故障区段有密切关系，同一故障区段的故障样本形成的矩阵有相似的结构，相同位置的元素相似，即矩阵元素之间相对大小关系，其随机矩阵特征根在复平面上的分布模态也相同，某配电网六个区段分别发生单相接地故障后的随机矩阵特征值在复平面上的分布如图3所示。

S204，对故障样本特征值集合进行聚类，得到各故障区段的聚集中心点。

为实现相似拓扑矩阵的自动识别，即由随机矩阵特征根自动判别故障区段而非通过人工识别特征根模态分布的相似性来确定故障区段。利用特征值分布的集丛性，即相同故障区段的样本间距小，不同故障区段的样本间距大，本实施例对通用的K均值聚类算法作出改进，提出选取各区段的一个故障样本作为初始聚类点而非随机产生初始故障点。相比于通用算法中随机选取初始点，这种改进能较大的改善聚类算法性能，提高聚类结果准确性。接着利用电力调度中心积累的海量故障样本形成的特征值集合Z_set训练聚类模型，得到对应于各故障区段的聚集中心点。某配电网单相接地故障样本在随机矩阵特征值空间中的分布及聚类结果如图4所示。

S205，获取待定位故障样本，定位故障区段。

针对新发生的故障，各录波器中计算其节点处的波形特征量并上传至调度中心，调度中心利用各录波器上传的特征量计算拓扑矩阵并求取随机矩阵特征值。之后通过寻找与该待定位故障样本的特征值距离最小的聚类中心点，便可以实现对故障区段的判别。某配电网基于故障区段聚类中心点的单相接地故障的区段定位示意图如图5所示。

本实施例提出的方法，通过各录波器启动记录波形后就地提取故障特征量，然后将计算出的特征量上传至调度中心，这样可以避免向调度中心上传整段波形从而大大减少所需的时间，减轻调度中心的负担，使调度中心及时判断***中单相接地故障的区段，在实际的应用上有更好的前景；

本实施例提出的方法，利用波形特征量形成拓扑矩阵，通过随机矩阵算法分析该拓扑矩阵的特征值，并对该特征值加以分析，实现区段精确定位；不受单相接地的接地相及过渡电阻大小的影响，可实现单相接地故障区段的可靠辨识，并能充分利用电力***中已存在的海量量测数据。

本实施例提出的方法，基于配电网故障录波装置信号处理机制所设计的，既避免了基于变电站的就地信号所导致的故障辨识结果片面及可靠性不足的问题，也不会由于需要大量安装其他故障特征检测和处理装置带来的增加过多运营成本的问题，更符合于实际应用的要求。

实施例二

本实施例提供一种配电网单相接地故障区段定位***，该***包括若干个安装在配电网内每个结点处的故障录波器以及设置在调度中心的处理器；其中：

在本实施例中，所述波形特征量的提取方法为：

利用卡伦鲍厄相模变换对故障样本在每个节点处的电流波形数据进行解耦；

判断是否发生单相接地故障，并确定故障时刻；

计算在故障时刻前后各一个周波的α模、β模的电流分量的畸变比的平均值，确定故障相；

选取故障相在故障时刻前后各多个周波的电流波形数据，计算故障样本在每个节点处的波形特征量。

在本实施例中，所述随机矩阵特征值的计算方法为：

对拓扑矩阵进行正态化处理，得到正态化过渡矩阵；

基于正态化过渡矩阵，利用酉矩阵得到奇异值等效矩阵；

对奇异值等效矩阵进行单位化处理得到单位化矩阵，并计算单位化矩阵的随机矩阵特征值。

在本实施例中，所述对所有故障样本特征值集合进行聚类的方法为：

选取各故障区段的一个故障样本作为初始聚类点；

利用所有故障样本特征值集合训练聚类模型，得到各故障区段的聚集中心点。

在本实施例中，所述故障区段的确定方法为：

获取待定位故障样本在其节点处的电流波形数据，提取待定位故障样本在其节点处的波形特征量，并构建待定位故障样本的拓扑矩阵；

分析待定位故障样本的拓扑矩阵，计算待定位故障样本的随机矩阵特征值；

计算待定位故障样本的随机矩阵特征值与各故障区段的聚集中心点之间的距离；

寻找与该待定位故障样本的特征值距离最小的聚类中心点，确定故障区段。

实施例三

本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：

实施例四

本实施例提供一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：

本领域内的技术人员应明白，本公开的实施例可提供为方法、***、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims

1.一种配电网单相接地故障区段定位方法，其特征是，包括以下步骤：

计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段；

所述波形特征量的提取方法为：

判断是否发生单相接地故障，并确定故障时刻；

利用各量测节点的α模、β模的电流分量计算畸变比的平均值，确定故障相；

所述畸变比为故障时刻前后的α模、β模电流分量分别进行周期差分后的各采样点平方和的比值，畸变比平均值为各节点畸变比的平均值，畸变比平均值表达式为

其中，R(m)为录波器m的一个周波的α模、β模的电流分量的畸变比，m为录波器的个数，I(m)_αi为录波器m在第i个采样点采集到的α模电流分量；I(m)_βi为录波器m在第i个采样点采集到的β模电流分量；t为录波器在一个周波内的采样点数，N为录波器总数，Δ^t为周期差分算子，表示对时间序列以周期为单位计算差分，即Δ^t I(m)_i＝I(m)_i-I(m)_(i-t)；

2.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述波形特征量包括零序电流能量、小波近似熵、首波峰占比及低阶不变矩。

3.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，拓扑矩阵为：

R_ij＝||R_i-R_j||₂i,j＝1,2,…,N

其中，R_i为节点i处的波形特征量；R_j为节点j处的波形特征量。

4.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述随机矩阵特征值的计算方法为：

对拓扑矩阵进行正态化处理，得到正态化过渡矩阵；

基于正态化过渡矩阵，利用酉矩阵得到奇异值等效矩阵；

5.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述对所有故障样本特征值集合进行聚类的方法为：

选取各故障区段的一个故障样本作为初始聚类点；

6.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述故障区段的确定方法为：

7.一种配电网单相接地故障区段定位***，其特征是，包括若干个安装在配电网内每个结点处的故障录波器以及处理器；

所述处理器，用于基于每个故障样本在所有节点处的波形特征量，构建每个故障样本的拓扑矩阵；分析每个故障样本的拓扑矩阵，计算每个故障样本的随机矩阵特征值，构建每个故障样本特征值集合；对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段；

所述波形特征量的提取方法为：

判断是否发生单相接地故障，并确定故障时刻；

8.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如权利要求1-6中任一项所述的配电网单相接地故障区段定位方法中的步骤。

9.一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的配电网单相接地故障区段定位方法中的步骤。