一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法与流程

本发明涉及配电网故障识别，尤其涉及一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法。

背景技术：

1、配电网作为电力系统的终端环节，其供电可靠性直接影响着生产和生活用电。随着配电网规模日趋增大，结构日趋复杂，配电线路发生单相高阻接地故障的次数与日俱增。高阻接地故障多发于配电网架空线与树枝、砾石、混凝土和沥青路面等高阻抗介质接触时，会伴随电弧的产生与消失。高阻接地故障的故障电阻范围可达数百甚至数千欧姆，导致故障电流微弱且呈非线性、随机性变化，传统的零序过电流保护装置难以有效识别。但如若不及时识别故障，切除故障线路，故障电流长时间存在将使得故障点温度升高，破坏设备的绝缘，造成电气设备的损坏，甚至引发更为严重的安全事故，例如山林火灾、人身触电等事故。因此，实现高阻接地故障的可靠识别对配电网的稳定运行及保障社会公共安全具有重大意义。

2、目前，主流的高阻接地故障识别方法可以分为两类:基于阈值的方法和基于人工智能的方法。基于阈值的方法，由于非线性负载和高阻抗负载的频域特性表现出显著的相似性，难以设定适应大范围故障条件的适当阈值。基于人工智能的方法不需要人工设置阈值，但对计算能力要求高。

技术实现思路

1、针对现有技术存在的缺陷和不足，本发明提出一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法。

2、首先，使用软阈值去噪算法去除零序电流中的噪声。其次，采用以模态信号包络熵最小为适应度函数的灰狼优化算法对变分模态分解层数和惩罚因子进行寻优处理，并利用优化变分模态分解算法对去噪后的零序电流进行模态分解。接着，根据能量波动法获得突变量最大的本征模态函数作为特征信号。最后，利用集成分类器对所得到的特征信号进行分类，分类结果为高阻接地故障事件和非高阻接地故障事件。本发明使用优化变分模态分解算法提高了变分模态分解的性能，使用软阈值去噪算法，降低噪声对故障识别的影响，并使用集成分类器，提高了故障识别的泛化性和准确性。

3、本发明具体采用以下技术方案：

4、一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法，包括以下步骤：

5、步骤一：使用软阈值去噪算法去除启动后m个工频周期的零序电流中的噪声；

6、步骤二：利用优化变分模态分解算法对去噪后的零序电流信号进行分解；采用灰狼优化算法，适应度函数是最小化模态信号的包络熵，对变分模态分解个数和惩罚因子进行寻优处理；根据最佳分解参数对原始信号进行模态分解，分解为多个本征模态函数；

7、步骤三：根据能量波动法获得突变量最大的本征模态函数作为特征信号；

8、步骤四：利用集成分类器对所得到的特征信号进行分类，分类结果为高阻接地故障事件和非高阻接地故障事件。

9、进一步地，在步骤一中，采用的软阈值公式为：

10、ηs(w,λ)＝ sgn (w)(|w|-λ)+ (1)

11、式中：w为变量，λ为阈值，sgn()为符号函数。

12、进一步地，在步骤二中，

13、所述优化变分模态分解算法将信号分解为多个本征模态函数，每个本征模态函数代表了信号在不同频率和尺度上的成分；

14、在变分模态分解中，分解个数k以及惩罚因子α为预设值，

15、在变分模态分解之前，使用以模态信号包络熵最小为适应度函数的灰狼优化算法选取合适的[k,α]；

16、所述灰狼优化算法采用以模态信号包络熵最小为适应度函数对变分模态分解层数和惩罚因子进行寻优处理；灰狼优化算法的适应度函数为:

17、

18、式中：kb为最优参数，a(j)为原始信号经希尔伯特黄变换后的包络信号，ha为各本征模态函数的包络熵，pj为a(j)的归一化形式。

19、进一步地，步骤三的具体实现过程包括：

20、首先，计算本征模态函数的能量，对于每个变分模态分解算法得到的本征模态函数，计算在每个时间点或频率点的能量；能量通过对本征模态函数幅度的平方进行积分计算；能量的计算公式为：

21、

22、式中：为第i分量的能量；

23、其次，检测能量突变，在本征模态函数的能量序列中，通过能量比检测能量突变；能量比公式为：

24、

25、式中：为第i分量的能量，ex为原始信号能量，εi为能量比；

26、最后，选择能量突变最大的本征模态函数作为特征信号，能量比最大的本征模态函数作为能量突变最大的本征模态函数。

27、进一步地，在步骤四中所述集成分类器由多种分类器组合构成，通过结合多个分类器的预测结果，以避免识别模型受到中性点接地方式、配电网结构和故障多样性的影响。

28、以及，一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如上所述的基于优化变分模态分解和集成分类器的配电网高阻接地故障识别的步骤。

29、一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如上所述的基于优化变分模态分解和集成分类器的配电网高阻接地故障识别的步骤。

30、相比于现有技术，本发明及其优选方案包括以下有益效果：

31、1、采用优化变分模态分解算法提高了变分模态分解的性能，避免了模态混叠和虚假分量的产生，并采用软阈值去噪算法，降低噪声对故障识别的影响，进而提高了高阻接地故障识别的准确率。

32、2、通过采用集成分类器，综合多个分类器的预测结果，不受中性点接地方式，配电网结构，故障多样性的影响，提高了故障识别的泛化性和准确性。

技术特征：

1.一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法，其特征在于：

3.根据权利要求1所述的一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法，其特征在于：

4.根据权利要求1所述的一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法，其特征在于：

5.根据权利要求1所述的一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法，其特征在于：在步骤四中所述集成分类器由多种分类器组合构成，通过结合多个分类器的预测结果，以避免识别模型受到中性点接地方式、配电网结构和故障多样性的影响。

6.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-5其中任一所述的基于优化变分模态分解和集成分类器的配电网高阻接地故障识别的步骤。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5其中任一所述的基于优化变分模态分解和集成分类器的配电网高阻接地故障识别的步骤。

技术总结
本发明提出一种基于优化变分模态分解和集成分类器的配电网高阻接地故障识别方法，首先，使用软阈值去噪算法去除零序电流中的噪声。其次，采用以模态信号包络熵最小为适应度函数的灰狼优化算法对变分模态分解层数和惩罚因子进行寻优处理，并利用优化变分模态分解算法对去噪后的零序电流进行模态分解。接着，根据能量波动法获得突变量最大的本征模态函数作为特征信号。最后，利用集成分类器对所得到的特征信号进行分类，分类结果为高阻接地故障事件和非高阻接地故障事件。本发明使用优化变分模态分解算法提高了变分模态分解的性能，使用软阈值去噪算法，降低噪声对故障识别的影响，并使用集成分类器，提高了故障识别的泛化性和准确性。

技术研发人员：李宽宏,林金树,江捷,朱少芬,肖中波
受保护的技术使用者：国网福建省电力有限公司三明供电公司
技术研发日：
技术公布日：2024/4/24