(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211022333.5 (22)申请日 2022.08.25 (71)申请人 北京智芯 半导体科技有限公司 地址 102200 北京市昌平区科技园区双营 西路79号院12号楼一层 申请人 北京智芯微电子科技有限公司 (72)发明人 周鑫　王洪勉　李新军　谢云飞　 李新龙　赵猛　翟长昊　 (74)专利代理 机构 北京智信四方知识产权代理 有限公司 1 1519 专利代理师 彭杰 (51)Int.Cl. G01R 31/52(2020.01) G01R 31/58(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06Q 50/06(2012.01) (54)发明名称 配电网故障线路确定方法、 系统、 电子设备 及介质 (57)摘要 本公开涉及电力系统配电网保护技术领域， 具体涉及一种配电网故障线路确定方法、 系统、 电子设备及介质， 所述方法包括： 在识别到零序 电压突变时， 获取所述配电网中各线路自所述零 序电压突变起向后N个周 期的电流时序数据； 利 用S变换获取各线路的电流时序数据的全频段时 频特征数据； 构建各线路的电流时序数据第一相 关度矩阵Z； 基于所述第一相关度矩阵Z和预先构 建的在线 顺序超限学习机OS ‑ELM神经网络模型， 得到由所述各线路的电流时序数据的相关度构 成的相关度特征向量T； 确定所述相关度特征向 量T中大于第一阈值的元素对应的线路为所述配 电网的故障线路以提高模型的动态适应能力和 模型精度。 权利要求书6页 说明书18页 附图6页 CN 115097354 A 2022.09.23 CN 115097354 A 1.一种配电网故障线路确定方法， 其特 征在于， 包括： 在识别到零序电压突变时， 获取所述配电网中各线路自所述零序电压突变起向后Q个 周期的电流时序数据， Q 为正整数； 利用S变换获取 各线路的电流时序数据的全频 段时频特征数据； 计算各线路的全频段时频特征数据之间的欧氏距离， 基于所述欧氏距离构建各线路的 电流时序数据第一相关度矩阵Z； 基于所述第一相 关度矩阵Z和预先构建的在线顺序超限学习机OS ‑ELM神经网络模型， 得到由所述各线路的电流时序数据的相关度构成的相关度特征向量T， 其中， 所述OS ‑ELM神 经网络模型为根据所述配电网中各线路的历史电流时序数据训练得到， 并具备实时在线 更 新能力的模型； 确定所述相关度 特征向量T中大于第 一阈值的元素对应的线路为所述配电网的故障线 路。 2. 根据权利要求1所述的方法， 其特征在于， 所述利用S变换获取各线路的电流时序 数 据的全频 段时频特征数据， 包括： 根据公式 对所述各线路的电流时序数据进行S变换， 其中， 是频率点， N是采样点数， n是频 率参数， n为整数且0≤n≤N/2， kT是时间点， k为时间参数，  0≤k≤ （N ‑1） ， T为采样信号周 期； m为整数且0 ≤m≤ （N‑1） ； 自所述S变换后的数据中获取 所述各线路的电流时序数据的全频 段时频信息 。 3.根据权利要求1所述的方法， 其特征在于， 各线路的 电流时序数据第一相关度矩阵Z 为： ， 其中， apq为所述配电网中第p条线路与第q条线路的相关度， 1 ≤p≤z， 1≤q≤ z。 4.根据权利 要求1所述的方法， 其特征在于， 所述OS ‑ELM神经网络模型通过以下方式训 练得到：权　利　要　求　书 1/6 页 2 CN 115097354 A 2获取M个训练样本   ， 其中 为输入样本， 为输出样本， L为隐含层节点数， M为正整数， Rn为输入样本集合， Rm为输出样本集 合； 对隐含层与输入层神经元的连接权值 和第j个隐含层神经元的偏置 随机赋值， j =1， 2， ...， L； 计算初始隐藏层输出矩阵 ， 其中， 为激活 函数， M0为初始训练样本数； 计算初始权值 ， 其中， 是矩阵 的穆尔‑彭罗斯Moore‑Penrose广义 逆， T0是输出样本矩阵[t1， t2，…， tM0]的穆尔 ‑彭罗斯Moore ‑Penrose广义逆， ； 当 非 奇 异 时 ，得 到 所 述 O S ‑E L M 神 经 网 络 模 型 的 初 始 权 值 ， 其中， P0是初始中间变量， 。 5.根据权利 要求4所述的方法， 其特征在于， 所述OS ‑ELM神经网络模型通过以下方式进 行实时在线更新： 获取实时数据 （xk+1， tk+1） ， k为时间参数； 基于所述实时数据 （xk+1， tk+1） 计算实时隐藏层输出矩阵Hk+1； 基于所述实时隐藏层输出矩阵Hk+1计算得到实时中间变量 ， 其中， Pk为所述OS ‑ELM神经网 络模型上一次迭代时确定的中间变量， Hk为所述OS ‑ELM神经网络模型上一次迭代时确定的 隐藏层输出矩阵； 基于所述Hk+1和Pk+1计算得到实时权值 ，权　利　要　求　书 2/6 页 3 CN 115097354 A 3