CN110095689B - 一种故障方向的判别方法、系统及设备 - Google Patents

Abstract

本发明公开了一种故障方向的判别方法，包括：预先配置针对目标继电保护装置的数据内容；按照配置的数据内容，在不同的故障参数下进行训练样本的采集；通过训练样本对预设的人工智能算法进行训练；按照配置的数据内容，采集目标继电保护装置处的待测数据；将待测数据输入至训练后的人工智能算法，判别出针对目标继电保护装置的故障方向以及故障类型。应用本申请的方案，有利于提高故障方向判别的效率以及准确率。本申请还公开了一种故障方向的判别系统及设备，具有相应技术效果。

Description

一种故障方向的判别方法、系统及设备

技术领域

本发明涉及电力系统继电保护技术领域，特别是涉及一种故障方向的判别方法、系统及设备。

背景技术

故障方向的判别是保证继电保护动作选择性的重要手段，传统的保护方案中，继电保护装置通过检测确定发生了故障之后，往往需要方向元件再对故障方向进行判别，常用的是基于频域信号的故障方向判别。

例如一种方案中，利用短路功率的方向或者说电压、电流相量之间的相位关系来判别故障的方向，动作方程表示为：

为电压相量，

为电流相量，

为最大灵敏角，符号arg表示分子相量超前于分母相量的角度。当加入的电压和电流相位关系符合动作方程时，则确定为正方向短路，否则确定为反方向短路。这种基于专家预设的动作特征，再利用不等式进行判断的if-then模式，辨识精度有限，容易出现误判的情况。同时，传统方案中电力系统以相量表示，功率以平均值或峰值表示，即不能直接采用采集到的时域信号，需要将采集的时域信号进行转换后，采用相量进行频域分析，也就使得故障方向判别的耗时较高。

综上所述，如何提高故障方向判别的效率以及准确率，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种故障方向的判别方法、系统及设备，以提高故障方向判别的效率以及准确率。

为解决上述技术问题，本发明提供如下技术方案：

一种故障方向的判别方法，包括：

预先配置针对目标继电保护装置的数据内容；

按照配置的所述数据内容，在不同的故障参数下进行训练样本的采集；

通过所述训练样本对预设的人工智能算法进行训练；

按照配置的所述数据内容，采集所述目标继电保护装置处的待测数据；

将所述待测数据输入至训练后的人工智能算法，判别出针对所述目标继电保护装置的故障方向以及故障类型。

优选的，预先配置的所述数据内容为：

目标继电保护装置在设定的时长内的三相电压信号u_a，u_b，u_c，三相电流信号i_a，i_b，i_c以及线电压信号u_ab，u_bc，u_ca中的至少六项数据按照设定顺序的组合，且至少包括所述三相电流信号i_a，i_b，i_c。

优选的，所述数据内容为：所述目标继电保护装置在设定的时长内的三相电压信号u_a，u_b，u_c以及三相电流信号i_a，i_b，i_c的组合，且设定的组合顺序为：u_a-i_a-u_b-i_b-u_c-i_c。

优选的，所述数据内容为：所述目标继电保护装置在设定的时长内的三相电流信号i_a，i_b，i_c以及线电压信号u_ab，u_bc，u_ca的组合，且设定的组合顺序为：u_bc-i_a-u_ca-i_b-u_ab-i_c。

优选的，所述数据内容为：

目标继电保护装置在设定的时长内的三相电压故障分量du_a，du_b，du_c，三相电流故障分量di_a，di_b，di_c以及线电压故障分量du_ab，du_bc，du_ca中的至少六项数据按照设定顺序的组合，且至少包括所述三相电流故障分量di_a，di_b，di_c，各项故障分量的计算步骤为：将设定的时长内的三相信号采样值减去故障前一个周波中相应的三相信号采样值。

优选的，所述数据内容中还包括：三相电压求和故障分量du_x以及三相电流求和故障分量di_x；其中，所述du_x由设定的时长内的三相电压求和信号u_x减去故障前一个周波中相应的三相电压求和信号u_x而获得，所述di_x由设定的时长内的三相电流求和信号i_x减去故障前一个周波中相应的三相电流求和信号i_x而获得，所述u_x＝u_a+u_b+u_c，u_a，u_b，u_c为所述目标继电保护装置在设定的时长内的三相电压信号，所述i_x＝i_a+i_b+i_c，i_a，i_b，i_c为所述目标继电保护装置在设定的时长内的三相电流信号。

优选的，所述数据内容具体为：所述目标继电保护装置在设定的时长内的三相电压故障分量du_a，du_b，du_c，三相电流故障分量di_a，di_b，di_c以及三相电压求和故障分量du_x，三相电流求和故障分量di_x的组合，且设定的组合顺序为：du_a-di_a-du_b-di_b-du_c-di_c-du_x-di_x。

优选的，所述数据内容中还包括：目标继电保护装置在设定的时长内的三相电压求和信号u_x以及在设定的时长内的三相电流求和信号i_x；所述u_x＝u_a+u_b+u_c，u_a，u_b，u_c为所述目标继电保护装置在设定的时长内的三相电压信号，所述i_x＝i_a+i_b+i_c，i_a，i_b，i_c为所述目标继电保护装置在设定的时长内的三相电流信号。

一种故障方向的判别系统，包括：

数据内容配置模块，用于预先配置针对目标继电保护装置的数据内容；

训练样本采集模块，用于按照配置的所述数据内容，在不同的故障参数下进行训练样本的采集；

训练模块，用于通过所述训练样本对预设的人工智能算法进行训练；

待测数据采集模块，用于按照配置的所述数据内容，采集所述目标继电保护装置处的待测数据；

故障方向判别模块，用于将所述待测数据输入至训练后的人工智能算法，判别出针对所述目标继电保护装置的故障方向以及故障类型。

一种故障方向的判别设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现上述任一项所述的故障方向的判别方法的步骤。

应用本发明实施例所提供的技术方案，包括：预先配置针对目标继电保护装置的数据内容；按照配置的数据内容，在不同的故障参数下进行训练样本的采集；通过训练样本对预设的人工智能算法进行训练；按照配置的数据内容，采集目标继电保护装置处的待测数据；将待测数据输入至训练后的人工智能算法，判别出针对目标继电保护装置的故障方向以及故障类型。

本申请的方案中，通过人工智能算法进行故障方向的判别。具体的，按照配置的数据内容，在不同的故障参数下进行训练样本的采集之后，通过训练样本对预设的人工智能算法进行训练，使得训练后的人工智能算法能够进行故障方向以及故障类型的判别，因此按照配置的数据内容采集目标继电保护装置处的待测数据之后，人工智能算法便可以输出针对目标继电保护装置的故障方向以及故障类型。相较于传统方案，由于无需将时域信号转换为频域信号，因此有利于降低故障方向判别的耗时，而人工智能算法通过训练之后，具有准确的辨识结果。因此，本申请的方案有利于提高故障方向判别的效率以及准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明中一种故障方向的判别方法的实施流程图；

图2为本发明中的三相二端模型的结构示意图；

图3a为本发明一种实施方式中发生正方向的A相接地短路Zag的一个训练样本的示意图；

图3b为本发明一种实施方式中发生正方向的B相接地短路Zbg的一个训练样本的示意图；

图3c为本发明一种实施方式中发生正方向的C相接地短路Zcg的一个训练样本的示意图；

图3d为本发明一种实施方式中发生反方向的A相接地短路Fag的一个训练样本的示意图；

图3e为本发明一种实施方式中发生反方向的B相接地短路Fbg的一个训练样本的示意图；

图3f为本发明一种实施方式中发生反方向的C相接地短路Fcg的一个训练样本的示意图；

具体实施方式

本发明的核心是提供一种故障方向的判别方法，有利于提高故障方向判别的效率以及准确率。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明中一种故障方向的判别方法的实施流程图，该判别方法包括以下步骤：

步骤S101：预先配置针对目标继电保护装置的数据内容。

目标继电保护装置可以是电力系统中的任意一个继电保护装置，即本申请的方案可以应用在任意一个继电保护装置上。当然，在确定了目标继电保护装置之后，后续的训练样本的采集以及待测数据的采集，都是源自该目标继电保护装置。

申请人考虑到人工智能算法从杂乱无章的数据中获取特征信息的能力是卓越的，因此利用人工智能算法进行故障方向的判别，进而关键点在于需要配置出用于判别的数据内容，即，需要将电压、电流等时域信号进行融合，使得按照配置的数据内容对人工智能算法进行训练之后，人工智能算法能够快速准确地判别出故障方向。当然，具体场合中，数据内容的具体构成可以根据实际需要进行设定和选取，但需要能够实现本申请的需求。

在本发明的一种具体实施方式中，预先配置的数据内容可以为：

目标继电保护装置在设定的时长内的三相电压信号u_a，u_b，u_c，三相电流信号i_a，i_b，i_c以及线电压信号u_ab，u_bc，u_ca中的至少六项数据按照设定顺序的组合，且至少包括三相电流信号i_a，i_b，i_c。

例如在一种具体场合中，可以选取u_a，u_b，u_c以及i_a，i_b，i_c这六项数据，即数据内容可以为：目标继电保护装置在设定的时长内的三相电压信号u_a，u_b，u_c以及三相电流信号i_a，i_b，i_c按照设定顺序的组合。这样的选取方式是一种较为常用的选取方式，当电力系统发生故障时，通过三相电压信号u_a，u_b，u_c以及三相电流信号i_a，i_b，i_c通常能够较为准确地确定出故障方向。

设定的组合顺序可以是任意的顺序，例如一种具体场合中选取u_a，u_b，u_c以及i_a，i_b，i_c这六项数据，并且设定的组合顺序为：u_a-i_a-u_b-i_b-u_c-i_c，又如，设定的组合顺序可以为：u_a-i_a-u_c-i_c-u_b-i_b，又或者可以为u_a-u_b-u_c-i_a-i_b-i_c等等，均不影响本发明的实施。当然，数据内容中的各项数据的组合顺序设定完毕之后，后续的训练样本以及待测数据均需要按照相同的组合顺序进行配置，也即后续步骤中描述的按照配置的数据内容来采集训练样本以及待测数据。

除了相电压之外，线电压中也包含有故障信息，例如，可以将前述选取u_a-i_a-u_b-i_b-u_c-i_c的实施方式中，任意一项或多项相电压替换为线电压，例如可以选取u_ab，u_b，u_c以及i_a，i_b，i_c这六项数据，并且设定的组合顺序为：

u_ab-i_a-u_b-i_b-u_c-i_c。但需要说明的是，虽然可以将u_a，u_b以及u_c中的任一项或多项替换为线电压，但通常来说，会统一采用线电压或者统一采用相电压，即常用的实施方式中，数据内容可以为：目标继电保护装置在设定的时长内的三相电流信号i_a，i_b，i_c以及线电压信号u_ab，u_bc，u_ca的组合，具体的组合方式可以任意设定，例如可以为：u_bc-i_a-u_ca-i_b-u_ab-i_c。

前文中以从u_a，u_b，u_c，i_a，i_b，i_c以及u_ab，u_bc，u_ca中选取六项数据为例进行了解释说明，在实际应用中，也可以选取更多项数据进行数据内容的配置。例如数据内容中可以包括7项数据，且组合顺序为u_a-i_a-u_b-i_b-u_c-i_c-u_ab，又如数据内容中包括9项数据，且组合顺序为u_a-i_a-u_b-i_b-u_c-i_c-u_ab-u_bc-u_ca。

需要说明的是，数据内容中包括的数据项目越多，判别的准确率通常越高，但判别耗时自然会提高，申请人通过实验数据以及理论分析，综合判别耗时以及判别准确率来看，一种优选的方案便是数据内容包括三相电压信号u_a，u_b，u_c以及三相电流信号i_a，i_b，i_c这六项数据，或者包括线电压信号u_ab，u_bc，u_ca以及三相电流信号i_a，i_b，i_c这六项数据，判别准确率较高且不会占用过长的判别耗时。

设定的时长也可以根据需要进行设定和调整，设定的时长越长所需要的判别耗时自然越多，但设定的时长过短可能会降低准确率。在一种具体实施方式中，设定的时长可以为半个周波，当然，在部分场合中也可以选取为三分之一个周波，四分之三个周波，一个周波等。

步骤S102：按照配置的数据内容，在不同的故障参数下进行训练样本的采集。

预先配置了针对目标继电保护装置的数据内容之后，便可以按照配置的数据内容，在不同的故障参数下进行训练样本的采集。

可参见图2，图2为三相二端模型的结构示意图，系统频率为50Hz，系统母线Bus1、Bus2以及Bus3的电压均是220kV。传输线路Line1以及Line2的长度均为200km。传输线路的正序阻抗为Z1＝5.38+j84.5Ω，零序阻抗为Z0＝64.82+j209.53Ω，两侧的电源阻抗均为Zs＝9.19+j74.76Ω。目标继电保护装置放在Bus2处，数据采样频率为10kHz，即一个工频周波可以采集200个点。对于Bus2处的继电保护装置来说，在Line1处发生的故障为反方向故障，在Line2处发生的故障为正方向故障。

例如配置的数据内容为u_a，u_b，u_c以及i_a，i_b，i_c这六项数据的组合且组合顺序为：u_a-i_a-u_b-i_b-u_c-i_c，设定的时长为半个周波。对于图2的实施方式而言，一个训练样本有6个通道，每个通道取100个点数据，即一个训练样本共有600个点数据，称为600维度。

在不同的故障参数下进行训练样本的采集，采集的训练样本数量可以根据需要进行设定和选取，当然，采集的训练样本数量越多，训练后的人工智能算法的准确度越高。

可以通过改变故障距离、故障插入角、故障前功角、故障类型等故障参数进行训练样本的采集，并且需要说明的是，由于需要利用训练后的人工智能算法进行故障方向的判别，为了保证较高的判别准确率，在采集训练样本时，应该有发生正方向的各类故障的训练样本以及发生反方向的各类故障的训练样本。图3a即为图2的实施方式中发生正方向的A相接地短路Zag的一个训练样本，图3b以及图3c分别为发生正方向的B相接地短路Zbg的一个训练样本以及发生正方向的C相接地短路Zcg的一个训练样本。图3d为图2的实施方式中发生反方向的A相接地短路Fag的一个训练样本，图3e以及图3f分别为发生反方向的B相接地短路Fbg的一个训练样本以及发生反方向的C相接地短路Fcg的一个训练样本。

步骤S103：通过训练样本对预设的人工智能算法进行训练。

在图2的实施方式中，采集了60个训练样本对人工智能算法进行训练。考虑到本申请的数据维度较高，例如前述实施方式中具有600维度，人工智能算法具体可以选取为适用于高维度数据处理的组稀疏表示算法(group sparse representation)。当然，具体应用中也可以选取其他类型的人工智能算法，例如卷积稀疏自动编码器，极限学习机等，均有较好的辨识度。

步骤S104：按照配置的数据内容，采集目标继电保护装置处的待测数据。

与训练样本一样，待测数据也需要按照配置的数据内容进行采集，例如图2的实施方式中，采集的待测数据为半个周波的u_a，u_b，u_c以及i_a，i_b，i_c且组合顺序为：u_a-i_a-u_b-i_b-u_c-i_c。

步骤S105：将待测数据输入至训练后的人工智能算法，判别出针对目标继电保护装置的故障方向以及故障类型。

将待测数据输入至训练后的人工智能算法，训练后的人工智能算法便可以自动判别出针对目标继电保护装置的故障方向以及故障类型。也就是说，发生了故障，并且从目标继电保护装置处采集了待测数据之后，训练后的人工智能算法可以从正方向的A相接地短路、正方向的B相接地短路、正方向的C相接地短路、正方向的AB两相短路、正方向的AC两相短路，正方向的BC两相短路、正方向的AB两相接地短路、正方向的AC两相接地短路，正方向的BC两相接地短路、正方向的ABC三相短路，反方向的A相接地短路、反方向的B相接地短路、反方向的C相接地短路、反方向的AB两相短路、反方向的AC两相短路，反方向的BC两相短路、反方向的AB两相接地短路、反方向的AC两相接地短路，反方向的BC两相接地短路、反方向的ABC三相短路这20种情况中，辨识出对应于该待测数据的情况。

在实际应用中，对训练后的人工智能算法进行测试，采集了84个测试样本，故障方向以及故障类型的辨识精度为100％。

应用本发明实施例所提供的技术方案，包括：预先配置针对目标继电保护装置的数据内容；按照配置的数据内容，在不同的故障参数下进行训练样本的采集；通过训练样本对预设的人工智能算法进行训练；按照配置的数据内容，采集目标继电保护装置处的待测数据；将待测数据输入至训练后的人工智能算法，判别出针对目标继电保护装置的故障方向以及故障类型。

本申请的方案中，通过人工智能算法进行故障方向的判别。具体的，按照配置的数据内容，在不同的故障参数下进行训练样本的采集之后，通过训练样本对预设的人工智能算法进行训练，使得训练后的人工智能算法能够进行故障方向以及故障类型的判别，因此按照配置的数据内容采集目标继电保护装置处的待测数据之后，人工智能算法便可以输出针对目标继电保护装置的故障方向以及故障类型。相较于传统方案，由于无需将时域信号转换为频域信号，因此有利于降低故障方向判别的耗时，而人工智能算法通过训练之后，具有准确的辨识结果。因此，本申请的方案有利于提高故障方向判别的效率以及准确率。

在本发明的一种具体实施方式中，数据内容为：

目标继电保护装置在设定的时长内的三相电压故障分量du_a，du_b，du_c，三相电流故障分量di_a，di_b，di_c以及线电压故障分量du_ab，du_bc，du_ca中的至少六项数据按照设定顺序的组合，且至少包括三相电流故障分量di_a，di_b，di_c，各项故障分量的计算步骤为：将设定的时长内的三相信号采样值减去故障前一个周波中相应的三相信号采样值。

考虑到前述实施方式中是利用故障发生之后的数据进行故障方向的判别，虽然具有较高的准确率，但少部分情况下仍可能出现误判，例如由于干扰等原因导致采集的数据存在误差，进而引起错误的判别结果。

因此该种实施方式中，将故障分量作为数据内容，即，将故障发生后的数据减去故障发生前的数据，相较于前述实施方式中仅利用故障发生之后的数据进行判别，有利于进一步地提高准确率。

仍以设定的时长为半个周波为例进行说明，例如第k个周波为故障发生后，第k个周波有200个数据点，第k-1个周波为故障发生前的一个周波，自然第k-1个周波也有200各点的数据，以A相电压故障分量du_a为例，并且假设u_a的第k个周波中的第1个数据点至第100个数据点是需要采集的数据点，则将u_a的第k个周波中的第1个数据点减去u_a的第k-1个周波中的第1个数据点，将u_a的第k个周波中的第2个数据点减去u_a的第k-1个周波中的第2个数据点…将u_a的第k个周波中的第100个数据点减去u_a的第k-1个周波中的第100个数据点。也就是说，将第k个周波中的半个周波的时域信号，减去第k-1个周波中的相应的时域信号，便可以得到相应的故障分量。得到了三相电压故障分量du_a，du_b，du_c，三相电流故障分量di_a，di_b，di_c以及线电压故障分量du_ab，du_bc，du_ca中的至少六项数据之后，便可以按照设定顺序进行组合，设定的组合顺序可以是任意顺序。

进一步地，在一种具体实施方式中，数据内容中还可以包括三相电压求和故障分量du_x以及三相电流求和故障分量di_x。du_x以及di_x的获取与三相电压故障分量以及三相电流故障分量的获取类似。即，将设定的时长内的三相电压求和信号u_x减去故障前一个周波中相应的三相电压求和信号u_x便可以确定出du_x，u_x＝u_a+u_b+u_c，u_a，u_b，u_c为目标继电保护装置在设定的时长内的三相电压信号。将设定的时长内的三相电流求和信号i_x减去故障前一个周波中相应的三相电流求和信号i_x可以确定出di_x，i_x＝i_a+i_b+i_c，i_a，i_b，i_c为目标继电保护装置在设定的时长内的三相电流信号。

在数据内容中加入三相电压求和故障分量du_x以及三相电流求和故障分量di_x，有利于进一步地提高判别的准确率。并且需要指出的是，该种实施方式中考虑到三相电压求和故障分量du_x以及三相电流求和故障分量di_x计算方便，因此在数据内容中引入了这两项，三相电压求和故障分量du_x可以直接通过du_a，du_b，du_c获得，即du_x＝du_a+du_b+du_c，相应的，di_x＝di_a+di_b+di_c。

例如在一种具体实施方式中，数据内容具体为：目标继电保护装置在设定的时长内的三相电压故障分量du_a，du_b，du_c，三相电流故障分量di_a，di_b，di_c以及三相电压求和故障分量du_x，三相电流求和故障分量di_x的组合，且设定的组合顺序为：du_a-di_a-du_b-di_b-du_c-di_c-du_x-di_x。如果仍是按照图2的三相二端模型，并且设定的时长也为半个周波，目标继电保护装置在一个周波内采集200个点，则该种实施方式的一个训练样本包含8个通道，每个通道100个点的数据，共800个点的数据。

在部分实施方式中，数据内容中可以还包括：目标继电保护装置在设定的时长内的三相电压求和信号u_x以及在设定的时长内的三相电流求和信号i_x；u_x＝u_a+u_b+u_c，u_a，u_b，u_c为目标继电保护装置在设定的时长内的三相电压信号，i_x＝i_a+i_b+i_c，i_a，i_b，i_c为目标继电保护装置在设定的时长内的三相电流信号。

该种实施方式中进一步地增加了目标继电保护装置在设定的时长内的三相电压求和信号u_x以及在设定的时长内的三相电流求和信号i_x，也有利于提高辨识准确率，例如在一种具体场合中，数据内容的构成为：

du_a-di_a-du_b-di_b-du_c-di_c-u_x-i_x。

在本发明的一种具体实施方式中，考虑到如果短路点离目标继电保护装置十分近，则目标继电保护装置测得的电压接近0，不利于故障判别，容易引起误判的情况，因此该种实施方式中将训练样本以及待测数据中的电压数据均选取为标幺值，通过适当标定电压幅度有利于避免短路点离目标继电保护装置过近时的误判情况，消除电压死区。

还需要说明的是，本申请的方案在进行相关电压信号以及电流信号的采集时，对同名端的连接方式没有特殊要求，即可以任意设置同名端的连接方式。

相应于上面的方法实施例，本发明实施例还提供了一种故障方向的判别系统以及一种故障方向的判别设备，可与上文相互对应参照。

该故障方向的判别系统可以包括：

数据内容配置模块，用于预先配置针对目标继电保护装置的数据内容；

训练样本采集模块，用于按照配置的数据内容，在不同的故障参数下进行训练样本的采集；

训练模块，用于通过训练样本对预设的人工智能算法进行训练；

待测数据采集模块，用于按照配置的数据内容，采集目标继电保护装置处的待测数据；

故障方向判别模块，用于将待测数据输入至训练后的人工智能算法，判别出针对目标继电保护装置的故障方向以及故障类型。

该故障方向的判别设备可以包括：

存储器，用于存储计算机程序；

处理器，用于执行该计算机程序以实现上述任一实施例中的故障方向的判别方法的步骤。

这里所说的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出，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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (8)

1.一种故障方向的判别方法，其特征在于，包括：

预先配置针对目标继电保护装置的数据内容；

按照配置的所述数据内容，在不同的故障参数下进行训练样本的采集；

通过所述训练样本对预设的人工智能算法进行训练；

按照配置的所述数据内容，采集所述目标继电保护装置处的待测数据；

将所述待测数据输入至训练后的人工智能算法，判别出针对所述目标继电保护装置的故障方向以及故障类型；

所述数据内容中还包括：三相电压求和故障分量du_x以及三相电流求和故障分量di_x；其中，所述du_x由设定的时长内的三相电压求和信号u_x减去故障前一个周波中相应的三相电压求和信号u_x而获得，所述di_x由设定的时长内的三相电流求和信号i_x减去故障前一个周波中相应的三相电流求和信号i_x而获得，所述u_x＝u_a+u_b+u_c，u_a，u_b，u_c为所述目标继电保护装置在设定的时长内的三相电压信号，所述i_x＝i_a+i_b+i_c，i_a，i_b，i_c为所述目标继电保护装置在设定的时长内的三相电流信号；

所述数据内容中还包括：目标继电保护装置在设定的时长内的三相电压求和信号u_x以及在设定的时长内的三相电流求和信号i_x；所述

u_a，u_b，u_c为所述目标继电保护装置在设定的时长内的三相电压信号，所述i_x＝i_a+i_b+i_c，i_a，i_b，i_c为所述目标继电保护装置在设定的时长内的三相电流信号。

2.根据权利要求1所述的故障方向的判别方法，其特征在于，预先配置的所述数据内容为：

目标继电保护装置在设定的时长内的三相电压信号u_a，u_b，u_c，三相电流信号i_a，i_b，i_c以及线电压信号u_ab，u_bc，u_ca中的至少六项数据按照设定顺序的组合，且至少包括所述三相电流信号i_a，i_b，i_c。

3.根据权利要求2所述的故障方向的判别方法，其特征在于，所述数据内容为：所述目标继电保护装置在设定的时长内的三相电压信号u_a，u_b，u_c以及三相电流信号i_a，i_b，i_c的组合，且设定的组合顺序为：u_a-i_a-u_b-i_b-u_c-i_c。

4.根据权利要求2所述的故障方向的判别方法，其特征在于，所述数据内容为：所述目标继电保护装置在设定的时长内的三相电流信号i_a，i_b，i_c以及线电压信号u_ab，u_bc，u_ca的组合，且设定的组合顺序为：u_bc-i_a-u_ca-i_b-u_ab-i_c。

5.根据权利要求1所述的故障方向的判别方法，其特征在于，所述数据内容为：

目标继电保护装置在设定的时长内的三相电压故障分量du_a，du_b，du_c，三相电流故障分量di_a，di_b，di_c以及线电压故障分量du_ab，du_bc，du_ca中的至少六项数据按照设定顺序的组合，且至少包括所述三相电流故障分量di_a，di_b，di_c，各项故障分量的计算步骤为：将设定的时长内的三相信号采样值减去故障前一个周波中相应的三相信号采样值。

6.根据权利要求1所述的故障方向的判别方法，其特征在于，所述数据内容具体为：所述目标继电保护装置在设定的时长内的三相电压故障分量du_a，du_b，du_c，三相电流故障分量di_a，di_b，di_c以及三相电压求和故障分量du_x，三相电流求和故障分量di_x的组合，且设定的组合顺序为：

du_a-di_a-du_b-di_b-du_c-di_c-du_x-di_x。

7.一种故障方向的判别系统，其特征在于，包括：

数据内容配置模块，用于预先配置针对目标继电保护装置的数据内容；

训练样本采集模块，用于按照配置的所述数据内容，在不同的故障参数下进行训练样本的采集；

训练模块，用于通过所述训练样本对预设的人工智能算法进行训练；

待测数据采集模块，用于按照配置的所述数据内容，采集所述目标继电保护装置处的待测数据；

故障方向判别模块，用于将所述待测数据输入至训练后的人工智能算法，判别出针对所述目标继电保护装置的故障方向以及故障类型；

所述数据内容中还包括：三相电压求和故障分量du_x以及三相电流求和故障分量di_x；其中，所述du_x由设定的时长内的三相电压求和信号u_x减去故障前一个周波中相应的三相电压求和信号u_x而获得，所述di_x由设定的时长内的三相电流求和信号i_x减去故障前一个周波中相应的三相电流求和信号i_x而获得，所述u_x＝u_a+u_b+u_c，u_a，u_b，u_c为所述目标继电保护装置在设定的时长内的三相电压信号，所述i_x＝i_a+i_b+i_c，i_a，i_b，i_c为所述目标继电保护装置在设定的时长内的三相电流信号；

所述数据内容中还包括：目标继电保护装置在设定的时长内的三相电压求和信号u_x以及在设定的时长内的三相电流求和信号i_x；所述

u_a，u_b，u_c为所述目标继电保护装置在设定的时长内的三相电压信号，所述i_x＝i_a+i_b+i_c，i_a，i_b，i_c为所述目标继电保护装置在设定的时长内的三相电流信号。

8.一种故障方向的判别设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至6任一项所述的故障方向的判别方法的步骤。

Images