基于改进GRU模型的配电网故障线路区段检测.pdf
《基于改进GRU模型的配电网故障线路区段检测.pdf》由会员分享,可在线阅读,更多相关《基于改进GRU模型的配电网故障线路区段检测.pdf(5页珍藏版)》请在咨信网上搜索。
1、Microcomputer Applications Vol.39,No.10,2023文章编号:10 0 7-7 57 X(2 0 2 3)10-0 10 5-0 5研究与设计基于改进GRU模型的配电网故障线路区段检测微型电脑应用2 0 2 3年第39 卷第10 期李世明,顾东健,余志文,赵瑞锋1,黎皓彬1(1.广东电网有限责任公司,电力调控控制中心,广东,广州510 6 0 0;2.国电南瑞南京控制系统有限公司,江苏,南京2 1110 6)摘要:为了实时快速准确检测配电网故障线路区段,提出了一种改进门控循环单元(GRU)模型的配电网故障线路区段检测方法。通过智能馈线表(SFM)采集线路区段
2、两侧的电压和电流之间的角度来实时检测故障区段。当发生网络故障时,保护继电器触发断路器的跳闸命令,利用从配电网节点处所有SFM获取故障前样本和故障后样本角度数据,运用预训练改进GRU模型来检测故障线路区段。通过对IEEE-33总线系统中各种故障类型的仿真,结果表明:与循环神经网络(RNN)方法和长短期记忆人工神经网络(LSTM)方法相比,提出的方法检测精度高且速度更快,可用于实时检测配电网中的故障线路区段。关键词:配电网;门控循环单元;故障检测;线路区段中图分类号:TP183;T M 7 15文献标志码:ADetection of Fault Line Sections in Distribut
3、ion NetworkBased on Improved GRU ModelLI Shiming,GU Dongjian,YU Zhiwen,ZHAO Ruifeng,LI Haobin(1.Power Control Center,Guangdong Power Grid Co.,Ltd.,Guangzhou 510600,China;2.Guodian NARI Nanjing Control System Co.,Ltd.,Nanjing 211106,China)Abstract:In order to quickly and accurately detect the fault l
4、ine section of distribution network in real time,a fault line sectiondetection method of distribution network based on improved gating cycle unit(GRU)model is proposed in this paper.The an-gle between voltage and current on both sides of the line section is collected by intelligent feeder meter(SFM)
5、to detect thefault section in real time.When a network fault occurs,the protection relay triggers the tripping command of the circuit break-er,obtains the angle data of pre fault samples and post fault samples from all SFMs at the distribution network nodes,and usesthe pre training improved GRU mode
6、l to detect the fault line section.Through the simulation of various fault types in IEEE-33bus system,the results show that compared with cyclic neural network(RNN)method and short-term memory artificial neuralnetwork(LSTM)method,this method has higher detection accuracy and faster speed,and can be
7、used to detect the fault linesection in distribution network in real time.Key words:distribution network;gated circulation unit;fault detection;line section0引言配电网故障可导致严重的电压瞬变、设备故障和电力中断。快速准确地故障线路区段检测可避免长时间停电带来的经济损失。配电网故障会导致整个系统中的电压、电流和角度立即发生变化,且这些变化在故障位置附近具有更高的振幅波动。然而,由于配电网具有高度非线性2,因此,基于传统模型的故障定位方法无法
8、高精度地识别故障线路。相比之下,数据驱动技术不依赖于配电网拓扑结构,能够较好地识别配电网故障线路区段。作者简介:李世明(198 4一),男,硕士,高级工程师,研究方向为调度自动化系统运行管理;顾东健(198 5一),男,本科,高级工程师,研究方向为智能电网调度自动化;余志文(197 4一),男,博士,高级工程师,研究方向为电力调度自动化系统运行及网络安全管理;赵瑞锋(198 1一)男,博士,高级工程师,研究方向为配网调度自动化系统运行及信息化管理;黎皓彬(1992 一),男,硕士,工程师,研究方向为配网调度自动化运行管理。机器学习(ML)作为数据驱动技术常用于配电网故障分类和定位、故障检测、安
9、全评估、状态估计和负荷预测等。文献4设计了求和小波极值学习机的配电网故障分类和定位集成系统。文献5采用粒子群优化(PSO)方法提高了故障线路区段检测精度。文献6 提出了基于深度学习(DL)的配电网中定位故障方法。然而,上述方法均依赖于大量的线路参数,不利于配电网故障线路区段的快速检测。为了设计出不依赖于配电网拓扑结构且不需要线路参数的ML方法,本文以门控循环单元(GRU)为基础,提出了基于改进GRU非送代无参数模型的配电网故障线路区段检105.Microcomputer Applications Vol.39,No.10,2023测方法。通过安装在配电网节点处的智能馈线表(SFM)采集区段线路
10、两侧的电压和电流之间的角度,结合预训练的改进GRU模型检测故障线路区段。1线路区段的电压和电流角度配电网发生故障后,故障线路区段两侧的电压与电流之间的角度将发生显著变化。本文利用配电网每个线路区段两侧的电压和电流之间的角度来检测故障线路区段。配电网线路发生三相接地故障示例,如图1所示。其中,R,为第i相的接地电阻,i=a,b,c,Rg 为地面电阻。电源发送端图1配电网的三相接地故障图示当配电网发生故障时,保护继电器会检测到故障并触发跳闸命令。同时,SFM以50 Hz的采样频率对线路区段两侧所有相的电压和电流之间的角度进行采集。电源发送端和负载接收端总线的三相电压分别为Vs=Vs.OstVsOs
11、VsOsJTVR=VRaORaVRORVRORJT其中,a、b 和分别为电压的相a、相b和相c,Vs;和Vr分别为电源发送端和负载接收端在第i相上的电压,s:和R分别为电源发送端和负载接收端在第i相上的电压角度,i=a,b,c。电源发送端和负载接收端总线的三相电流分别为Is=Is.OsIs.0s,Is.0sJTIR=IRORaIRORIRORJT其中,Is和IRi分别为电源发送端和负载接收端在第i相上的电流,Os:和0 R:分别为电源发送端和负载接收端在第i相上的电流角度。线路区段两侧的电压和电流之间的角度分别为QR=ORa-ORaORbOROR-ORJT因此,线路区段i两侧的电压和电流之间的
12、角度差为,=ls-a l|s-R|s-Re|(7)其中,s和Ri分别为电源发送端和负载接收端在第i相上的电压与电流之间角度差。由于SFM采集的数据窗口包括故障前和故障后样本,则分别计算故障前和故障后样本的,因此,对于每个线路区段j,矩阵;包含6 个元素。为了准确检测故障发生的线路区段,还需计算所有线路区段的。因此,构建所有线路区段的角度差矩阵:=ia.JT研究与设计其中,n为配电网中的线路区段数量。通过计算线路区段两侧的电压和电流之间的角度差矩阵,将其作为预训练GRU模型的输人,从而确定故障发生的位置。2改进门控循环单元模型2.1门控循环单元(GRU)GRU是一种简单的长短期记忆人工神经网络(
13、LSTM)类型,只包含更新门和复位门两种门7。与LSTM相比,减少了模型的参数数量。与LSTM不同的是,GRU使用隐藏状态(h,)来存储和传输信。GRU的更新门(z,)的功能与三相接地故障LSTM模型中的遗忘门和输人门类似。此外,复位门(r)确负载接收端定当前步骤中需要忘记的历史信息。GRU模型为zi=o(Wiaa,+Whh-1+b.)r=o(Wira,+Wmhi-1+b,)RaLRoLRh,=tanh(W;a+r,W,hi-1+b.)h,=(1-z,)h-1+z,h)其中,W和b分别为GRU的权重和偏置值,o()为 SigmoidR激活函数。GRU的结构,如图2 所示。复位门更新门hi1W(
14、1)(2)(3)(4)(5)(6)(8).106.微型电脑应用2 0 2 3年第39 卷第10 期(9)(10)(11)(12)h,工h,tanh)WarWhaWiWiaX图 2 GRU的结构2.2改进 GRU 模型在本文提出的改进GRU模型中,除了GRU层之外,模型结构还包含Dropout层、批量标准化(BN)层、平坦层、密集层和Softmax层。其中,密集层和Softmax层位于结构末端用于分类。具体每层的描述如下。(1)D r o p o u t 层:Dropout层以概率p随机删除多余神经元,从而避免过度拟合并缓解梯度消失问题。(2)BN层:通过引人BN层将每层的输人数据标准化,从而加
15、速模型的训练。其中,标准化的均值为0,方差为1。(3)平坦层:平坦层可将输人向量重塑形状(即数据维度或特征)。(4)密集层:在密集层中,所有的输入神经元通过权值连接到每个输出,即每个输出都是所有输人神经元函数的结果。(5)So ft m a x 层:Softmax函数将输人向量转换为概率向量,该概率向量计算数据与特定类别相关的概率。因此,Softmax具有与 Sigmoid函数等效的功能。此外,所有类别的概率之和为1。Softmax函数为WWMicrocomputer Applications Vol.39,No.10,2023其中,t为长度为1的层的输入向量。2.3改进GRU模型的体系结构研
16、究与设计ei对于IEEE-33总线系统共有32 个线路区段,改进GRUS,(13)et微型电脑应用2 0 2 3年第39 卷第10 期模型的输出用于检测真实线路区段故障位置。本文提出的用于检测故障线路的改进GRU模型的体系结构,如图3所示。nodo.aGRU数据集(输出=6 4)改进GRU模型能够识别三相接地故障、两相接地故障、两相和单相故障等各种故障的故障区段。模型中使用了四个GRU层,并在每层之后使用Dropout层和BN层两种正则化策略来防止过度拟合。Dropout层的概率p均设置为O.1。将DIgSILENTPowerFactory软件中的仿真数据应用于各种故障场景来创建数据库。3故障
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 GRU 模型 配电网 故障 线路 区段 检测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。