專利名稱：一種輸電線路單端行波故障測(cè)距智能方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電力系統(tǒng)高壓輸電線路繼電保護(hù)技術(shù)領(lǐng)域，具體地說(shuō)是一種輸電線路 單端行波故障測(cè)距智能方法。
背景技術(shù)：
隨著我國(guó)各大電力系統(tǒng)的容量和電網(wǎng)區(qū)域不斷擴(kuò)大，電網(wǎng)運(yùn)行管理也更加復(fù)雜， 電力系統(tǒng)的安全穩(wěn)定問(wèn)題日益突出。線路故障后迅速、準(zhǔn)確地判斷出故障位置，不僅可以減 輕巡線負(fù)擔(dān)，及時(shí)修復(fù)線路，保證可靠供電，而且可以減少因停電造成的綜合經(jīng)濟(jì)損失。因 此快速、準(zhǔn)確的故障測(cè)距對(duì)電力系統(tǒng)安全穩(wěn)定和經(jīng)濟(jì)運(yùn)行具有十分重要的意義。輸電線路行波故障測(cè)距包括單端法和雙端法，單端故障測(cè)距法較之雙端法不需通 信通道和信號(hào)同步，從而降低了成本和提高了可靠性，故單端法行波故障測(cè)距的研究具有 很強(qiáng)的現(xiàn)實(shí)意義。單端法行波測(cè)距的關(guān)鍵是如何區(qū)分第二個(gè)行波究竟是故障點(diǎn)反射的行波、對(duì)端母 線反射的行波還是其它健全線路的反射波。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種輸電線路單端行波故障測(cè)距智能方法，將輸電線路故障 行波作為神經(jīng)網(wǎng)絡(luò)樣本屬性，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障線路測(cè)距。本發(fā)明的技術(shù)方案為首先，對(duì)各種故障條件仿真建立神經(jīng)網(wǎng)絡(luò)樣本；其次，對(duì)得 到的樣本數(shù)據(jù)進(jìn)行離散小波變換，取電流行波線模分量的前三個(gè)波頭和時(shí)差作為神經(jīng)網(wǎng)絡(luò) 樣本屬性；然后對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練、測(cè)試建立測(cè)距神經(jīng)網(wǎng)絡(luò)模型，利用該模型可以實(shí)現(xiàn)故障距 離的初測(cè)；再次，利用初測(cè)結(jié)果判斷故障發(fā)生在保護(hù)線路全長(zhǎng)的前半段或后半段，若故障發(fā)
生在前半段則利用式//，式中If為故障距離；ν為線模行波波速；Δ t為故障點(diǎn)反射
波和初始行波的時(shí)間差，對(duì)神經(jīng)網(wǎng)絡(luò)屬性中的2個(gè)時(shí)間差分別計(jì)算故障距離，將得到的2個(gè) 故障距離與神經(jīng)網(wǎng)絡(luò)輸出的故障距離取絕對(duì)差值，絕對(duì)差值最小的計(jì)算距離判定為故障距
離。若神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的故障距離在保護(hù)線路后半段，則利用式// 二，式中If為故障
距離；ν為線模行波波速；At為對(duì)端母線反射波和初始行波的時(shí)間差，對(duì)神經(jīng)網(wǎng)絡(luò)屬性中 的2個(gè)時(shí)間差分別計(jì)算故障距離，將得到的2個(gè)故障距離與神經(jīng)網(wǎng)絡(luò)輸出的故障距離取絕 對(duì)差值，絕對(duì)差值最小的計(jì)算距離判定為故障距離。理論分析和仿真驗(yàn)證結(jié)果表明，本發(fā)明 有效。具體步驟如下(1)建立輸電線路仿真模型，其采樣頻率為1MHz，對(duì)單相接地時(shí)各種故障條件仿 真建立神經(jīng)網(wǎng)絡(luò)輸入樣本①沿線路全程選取故障點(diǎn)，故障距離變化步長(zhǎng)為Ikm ；②故障過(guò)渡電阻分別取20 Ω、100 Ω ；
③故障合閘角分別取-70°、0°、70° ；取不同故障條件下的電流經(jīng)組合后形成測(cè)距神經(jīng)網(wǎng)絡(luò)的樣本數(shù)組共600個(gè)；(2)對(duì)步驟(1)中得到的樣本數(shù)據(jù)根據(jù)下式進(jìn)行離散小波變換，
Wf(j,d)=(f(t),^.d(t))式中Wf (j，d)為離散小波變換函數(shù)；f (t)為要小波變換的函數(shù)；釣,d(t)為離散小 波；(3)選取小波變換后得到的前三個(gè)波頭的極性和時(shí)差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；(4)輸電線路故障測(cè)距模型的輸出矢量設(shè)置為故障點(diǎn)距離母線檢測(cè)點(diǎn)相對(duì)于故障 線路總長(zhǎng)度的百分比，使輸出矢量值范圍在W，l]之間；(5)選用三層BP神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為5X12X1，第一層為輸入層，選取 保護(hù)安裝處檢測(cè)到的前三個(gè)波頭的極性和時(shí)差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；第二層為隱含層， 節(jié)點(diǎn)個(gè)數(shù)為12，傳遞函數(shù)為tansigmoid;第三層為輸出層，傳遞函數(shù)為logsigmoid，訓(xùn)練算 法選用自適應(yīng)學(xué)習(xí)速度算法，最大訓(xùn)練次數(shù)選為10000次，目標(biāo)函數(shù)誤差設(shè)定為le_5 ；(6)取總樣本的80%作為訓(xùn)練樣本，剩余的作為驗(yàn)證樣本，首先輸入已隨機(jī)劃分 好的480個(gè)訓(xùn)練樣本的輸入矢量P及其對(duì)應(yīng)的輸出矢量T，其中P為480X 5維矩陣，T為 480X1維矩陣；(7)將隨機(jī)選取的480個(gè)訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，取120個(gè)驗(yàn)證樣本對(duì)訓(xùn) 練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，得到故障測(cè)距網(wǎng)絡(luò)；(8)將故障數(shù)據(jù)輸入故障測(cè)距網(wǎng)絡(luò)就可以實(shí)現(xiàn)對(duì)故障位置的初測(cè)；(9)利用初測(cè)結(jié)果判斷故障發(fā)生在保護(hù)線路全長(zhǎng)的前半段或后半段，再利用單端
測(cè)距公式// =卩Δ訪口/, = L-^vAi2，式中If為故障距離；ν為線模行波波速；Δ tl為故障點(diǎn)反
射波和初始行波的時(shí)間差；為對(duì)端母線反射波和初始行波的時(shí)間差，對(duì)神經(jīng)網(wǎng)絡(luò)屬性 中的兩個(gè)時(shí)間差分別計(jì)算故障距離，將得到的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的故障距離取絕對(duì) 差值，絕對(duì)差值最小的計(jì)算距離判定為故障距離。工作原理1、行波信號(hào)的小波變換(1)小波變換理論基礎(chǔ)設(shè)為一平方可積函數(shù)，若其傅里葉變換ψ (ω)滿足可容許性條件，即 r 丨 I2 j-^iy < CO
h ω (1)式中，t為時(shí)間，ω為頻譜，則稱滿足可容許性條件的函數(shù)為一個(gè)基本小波，或者小波母函數(shù)；將小波母函數(shù)p(t)進(jìn)行伸縮和平移，可以得到連續(xù)小波基函數(shù)隊(duì),b(t):
」 t - b代b(t)= a V-) a > 0，b e R (2)
d'a式中a是伸縮因子，或稱為尺度因子；b是平移因子；一1^)是經(jīng)伸縮和平移后
4的小波母函數(shù)。對(duì)于任意的函數(shù)f(t)的連續(xù)小波變換為
ff(.(b,a)=(f(t),^b(t)) = |a|-I rf(t)^(^)dtο)式中Wf (b，a)為小波變換函數(shù)，樹(shù)ilt)表示樹(shù)的共軛。
aa由連續(xù)小波變換的概念可知，連續(xù)小波變換中的尺度因子a和平移因子b是連續(xù) 的變量。在實(shí)際應(yīng)用中，通常將外,b (t)中的連續(xù)變量a和b取做整數(shù)離散形式，將h (t)表
示為
^d(t)=2"J/V2jt-d)(4)相應(yīng)的函數(shù)f(t)的離散小波變換函數(shù)Wf (j，d)，可表示為
Wr(j,d)=(f(t)， (t))(5)由于該離散小波扎d(t)是由小波函數(shù)識(shí)⑴經(jīng)2j整數(shù)倍放、縮和經(jīng)整數(shù)平移因子d 平移所生成的函數(shù)族W^(t)}，j為倍數(shù)因子，j，d e Ζ。因此，該離散后的小波序列一般稱 為離散二進(jìn)小波序列。(2)信號(hào)的小波消噪預(yù)處理小波分解具有自適應(yīng)的時(shí)-頻局部化功能，在信號(hào)的突變部分，某些小波分量表 現(xiàn)幅度大，與噪聲在高頻部分的均勻表現(xiàn)正好形成明顯的對(duì)比，因此小波分解能有效地區(qū) 分信號(hào)中的突變部分和噪聲，達(dá)到消噪預(yù)處理的效果。利用小波分析進(jìn)行消噪，目前常用的有兩種方法第一種是強(qiáng)制消噪處理方法，第 二種是門限消噪處理方法。門限消噪處理方法要根據(jù)經(jīng)驗(yàn)或某種依據(jù)設(shè)定閥值，對(duì)信號(hào)小 波分解中的最高頻系數(shù)用閥值處理，即大于閥值的部分保留，低于閥值的系數(shù)變?yōu)?值，這 符合噪聲在高頻部分均勻密集的特點(diǎn)。該方法通?？紤]3個(gè)簡(jiǎn)單的閥值處理法硬閥值處 理，軟閥值處理，百分閥值處理。為了取得較理想的消噪效果，本發(fā)明采用軟閥值消噪方法。軟閥值函數(shù)是把信號(hào)的絕對(duì)值與閥值進(jìn)行比較，小于或等于閥值變?yōu)?，大于閥值 的點(diǎn)變?yōu)樵擖c(diǎn)值與閥值的差值。軟閥值函數(shù)可由下式表示
_Jsgn(x)f(|x 卜義)，|—>義時(shí)
y=|o,叫時(shí)(6)式中，λ是閥值，χ為信號(hào)值，Sgn(X)為χ的符號(hào)函數(shù)，f(|x卜λ)為取信號(hào)的絕 對(duì)值與閥值的差值函數(shù)。(3)信號(hào)的小波變換模極大值設(shè)\^_￡(幻是函數(shù)￡00的小波函數(shù)，在尺度2j下，在某采樣點(diǎn)Xn的某一鄰域內(nèi)，對(duì) 一切X有I W^f(X)N w(f(x )|，則稱Xn為小波變換的模極大值點(diǎn)，w〗_f(x )為小波變換的模極大值。
5
2、故障測(cè)距神經(jīng)網(wǎng)絡(luò)樣本屬性的選取建立如圖1的輸電線路仿真模型。在輸電線路發(fā)生故障時(shí)，故障產(chǎn)生的電流行波 會(huì)在故障點(diǎn)及母線之間來(lái)回反射，裝設(shè)于母線處的測(cè)距裝置接入來(lái)自電流互感器二次側(cè)的 暫態(tài)行波信號(hào)，由于母線波阻抗一般低于線路波阻抗，電流行波在母線與故障點(diǎn)都是產(chǎn)生 正反射，故故障點(diǎn)反射波與故障初始行波同極性，而故障初始行波脈沖與由故障點(diǎn)反射回 來(lái)的行波脈沖之間的時(shí)間差A(yù)t對(duì)應(yīng)行波在母線與故障點(diǎn)之間往返一趟的時(shí)間，可以用來(lái) 計(jì)算故障距離。單端測(cè)距算法原理如圖2所示。設(shè)故障線路長(zhǎng)度為L(zhǎng)，波速度為V，故障初始行波與由故障點(diǎn)反射波到達(dá)母線的時(shí) 間分別為tsl和ts2，Δ t為tsl和ts2的差值，則故障距離Xm為 如果發(fā)生的是遠(yuǎn)端故障，則來(lái)自線路方向的第二個(gè)行波波頭是來(lái)自故障線路對(duì)端 的反射波，計(jì)算出故障距離Xm為 tsl和t' s2分別是故障點(diǎn)起始行波和對(duì)端線路反射波到達(dá)母線的時(shí)間，At'為 tsl和t' 32的差值。單端測(cè)距的難點(diǎn)是區(qū)分保護(hù)安裝處檢測(cè)到的第二個(gè)行波是健全線路反射波、故障 點(diǎn)反射波還是對(duì)端母線反射波，本發(fā)明討論不同母線結(jié)構(gòu)時(shí)母線處檢測(cè)到的各個(gè)行波波頭 極性間的關(guān)系。輸電線路發(fā)生故障，當(dāng)電流行波到達(dá)母線時(shí)，其將發(fā)生折反射，反射系數(shù)α如公 式(9)所示·
其中，Z1為入射線路波阻抗；Ζ2為透射線路波阻抗。由于母線上通常接有變壓器和其他輸電線路等電力設(shè)備，變壓器的波阻抗遠(yuǎn)大于 輸電線路波阻抗，所以認(rèn)為變壓器支路在行波分析中等效為開(kāi)路。這樣，母線處的反射系數(shù) 可簡(jiǎn)化為母線上總出線數(shù)N的函數(shù)，如公式(10)所示。
由公式(10)可見(jiàn)當(dāng)母線出現(xiàn)數(shù)不同時(shí)，反射行波的極性也不同。當(dāng)N = 1，即母 線上只有一回出線時(shí)，α >0，反射行波極性與初始行波極性相同；當(dāng)N = 2，即母線上為一 進(jìn)一出兩回出線時(shí)，α =0，反射行波不存在；當(dāng)Ν>3，即母線上有三回或三回以上出線 時(shí)，α <0，反射行波極性與初始行波極性相反。由單端行波測(cè)距原理知，測(cè)距需要初始行波和故障點(diǎn)反射波或者對(duì)端母線反射波 的時(shí)刻，由反射系數(shù)知行波的極性是行波屬性的標(biāo)識(shí)。因此取后2個(gè)波頭與首波頭的時(shí)間 差及其波頭極性作為神經(jīng)網(wǎng)絡(luò)樣本屬性。3、故障測(cè)距神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的傳遞函數(shù)是S型函數(shù)，輸出 量為0到1之間的連續(xù)量，它可以實(shí)現(xiàn)從輸入到輸出的任意非線性映射。由于權(quán)值的調(diào)整 采用反向傳播學(xué)習(xí)算法，因此也常稱其為BP網(wǎng)絡(luò)，其算法的流程如圖3。應(yīng)用BP網(wǎng)絡(luò)進(jìn)行 故障測(cè)距，其具體的訓(xùn)練過(guò)程如下(1)建立如圖1的輸電線路仿真模型，設(shè)該模型的采樣頻率為1MHz。對(duì)以下各種 故障條件仿真建立神經(jīng)網(wǎng)絡(luò)輸入樣本①沿線路麗全程選取故障點(diǎn)，故障距離變化步長(zhǎng)為Ikm ；②故障過(guò)渡電阻分別取20 Ω、100 Ω ；③故障合閘角分別取-70°、0°、70°取不同故障條件下的電流經(jīng)組合后形成測(cè)距神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)組共600 個(gè)。(2)對(duì)步驟(1)中得到的樣本數(shù)據(jù)進(jìn)行小波變換，實(shí)現(xiàn)信號(hào)消噪，并取信號(hào)模極大值。①信號(hào)的小波分解。選擇三次B樣條小波基函數(shù)并確定分解的層數(shù)為3層，然后 利用公式(5)進(jìn)行小波分解。②小波分解高頻系數(shù)的閥值量化。對(duì)各個(gè)分解尺度下的高頻系數(shù)選擇一個(gè)閥值進(jìn) 行閥值量化處理。根據(jù)公式(11)選擇閾值入λ = ^ Μ )(11)式中η為采樣點(diǎn)個(gè)數(shù)。由公式(7)和公式(8)知，單端行波測(cè)距，需要初始行波和故障點(diǎn)反射波或者對(duì)端 母線反射波的時(shí)刻，由公式(10)知行波的極性是行波屬性的標(biāo)識(shí)。因此取小波變換后的前 三個(gè)波頭到達(dá)的時(shí)刻及其極性。將后2個(gè)波頭與首波頭的時(shí)間差及其波頭極性作為神經(jīng)網(wǎng) 絡(luò)樣本屬性，由此可以得到輸入層的節(jié)點(diǎn)數(shù)為5。(3)輸電線路故障測(cè)距網(wǎng)路的輸出矢量為故障點(diǎn)距離母線檢測(cè)點(diǎn)相對(duì)于故障線路 總長(zhǎng)度的百分比，使輸出矢量值范圍在W，l]之間，從而加速神經(jīng)網(wǎng)絡(luò)收斂。(4)神經(jīng)網(wǎng)絡(luò)需要將數(shù)據(jù)劃分為訓(xùn)練樣本和驗(yàn)證樣本兩部分，取總樣本的80%作 為訓(xùn)練樣本，剩余的作為驗(yàn)證樣本。首先輸入已隨機(jī)劃分好的480個(gè)訓(xùn)練樣本的數(shù)據(jù)及其 輸出矢量，即兩個(gè)矩陣P和T，P為480X5維訓(xùn)練樣本輸入數(shù)據(jù)矩陣，T為480 X 1維訓(xùn)練樣 本輸出數(shù)據(jù)矩陣。在數(shù)據(jù)輸入之后，需要對(duì)矩陣P進(jìn)行歸一化的數(shù)據(jù)預(yù)處理，以方便后續(xù)計(jì) 笪弁。MATLAB中數(shù)據(jù)預(yù)處理的歸一化命令格式為[pn，ps] = mapminmax (p，0，1)[tn，ts] = mapminmax(t，0，1)其中，pn為歸一化處理后的輸入樣本數(shù)據(jù)矩陣，其取值范圍是
，ps為歸一化 的規(guī)則。tn為歸一化處理后的輸入樣本數(shù)據(jù)矩陣，其取值范圍是W，l]，ts為歸一化的規(guī) 則。(5)神經(jīng)元的傳遞函數(shù)反映了神經(jīng)元輸出與其啟動(dòng)狀態(tài)之間的關(guān)系，本發(fā)明隱含 層和輸出層的傳遞函數(shù)分別為Iogsig函數(shù)，即對(duì)數(shù)sigmoid傳遞函數(shù)，以及purelin函數(shù)， 即純線性傳遞函數(shù)。BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值的調(diào)節(jié)規(guī)則采用的是誤差反向傳播算法，通常具有收斂速度慢、易陷入局部極小值等缺點(diǎn)。因此，本方法采用matlab神經(jīng)網(wǎng)絡(luò)工具箱 提供的trainlm快速學(xué)習(xí)算法，來(lái)保證較好的收斂性和穩(wěn)定性。(6)利用MATLAB中的newff函數(shù)生成BP網(wǎng)絡(luò)，其格式為net = newff (minmax(pn), [12 1]，{' tansig' ' logsig' }，‘ trainlm')minmax (pn)表示輸入矩陣中每維輸入的最小值和最大值之間的范圍；[121]表示 隱含層節(jié)點(diǎn)數(shù)為12，輸出層節(jié)點(diǎn)數(shù)為1 ;{' tansig' ‘ Iogsig' }表示隱含層的傳遞函數(shù) 為tansig，輸出層的傳遞函數(shù)為Iogsig ； ‘ trainlm'表示訓(xùn)練函數(shù)為trainlm。(7)在該網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，需要對(duì)一些參數(shù)進(jìn)行定義，并對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾 值進(jìn)行隨機(jī)初始化，以期尋找最優(yōu)隨機(jī)權(quán)值和閾值矩陣。MATLAB中BP神經(jīng)網(wǎng)絡(luò)參數(shù)的設(shè)置 如下BP神經(jīng)網(wǎng)絡(luò)的最大訓(xùn)練次數(shù)為10000次；BP神經(jīng)網(wǎng)絡(luò)誤差性能目標(biāo)為le_5 ；BP神經(jīng)網(wǎng)絡(luò)兩次顯示之間的訓(xùn)練次數(shù)為50。(8)參數(shù)設(shè)置之后，將隨機(jī)選取的480個(gè)輸入變量樣本代入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、驗(yàn) 證，得到故障測(cè)距網(wǎng)絡(luò)。(9)利用神經(jīng)網(wǎng)絡(luò)初測(cè)結(jié)果判斷故障發(fā)生在保護(hù)線路全長(zhǎng)的前半段或后半段，再 利用單端測(cè)距公式(7)或(8)對(duì)神經(jīng)網(wǎng)絡(luò)屬性中的兩個(gè)時(shí)間差分別計(jì)算故障距離，將得到 的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的故障距離取絕對(duì)差值，絕對(duì)差值最小的計(jì)算距離判定為故障 距離。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)1)、利用人工神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近擬合能力，消除了健全線路反射波對(duì)測(cè) 距結(jié)果的影響；2)、本發(fā)明解決了單端行波法中識(shí)別故障點(diǎn)反射波和對(duì)端母線反射波的難題。3)、本發(fā)明的測(cè)距結(jié)果不受故障類型、故障過(guò)渡電阻、故障合閘角的影響；4)、利用小波變換處理行波信號(hào)，有效的提取到輸電線路故障行波特征并消除行 波色散對(duì)定位精度的影響；


圖1為輸電系統(tǒng)結(jié)構(gòu)圖。圖中M表示M端母線，N表示N端母線，F(xiàn)為線路故障點(diǎn)。圖2為單端測(cè)距原理圖。圖中tsl為故障初始行波到達(dá)母線M的時(shí)間，ts2為故障 點(diǎn)反射波到達(dá)母線M的時(shí)間，t' s2為對(duì)端線路反射波到達(dá)母線M的時(shí)間。圖3為BP網(wǎng)絡(luò)算法流程圖。圖4為A相接地暫態(tài)電流行波及其小波變換結(jié)果。圖中I/kA為電流/千安；t/ μ s為時(shí)間/微秒。圖中(a)為暫態(tài)電流故障行波；(b)為小波變換結(jié)果。
具體實(shí)施例方式輸電線路仿真模型如圖1所示。線路近端，離保護(hù)安裝處35km處，發(fā)生A相接地 故障，故障過(guò)渡電阻為50 Ω，故障角為30°。(1)輸電線路發(fā)生故障，保護(hù)安裝處檢測(cè)到電流行波。對(duì)該電流行波小波變換，電流行波波形及其小波變換如圖4所示。(2)取保護(hù)安裝處檢測(cè)到后2個(gè)波頭與首波頭的時(shí)間差及其波頭極性作為神經(jīng)網(wǎng) 絡(luò)樣本屬性[2. 04XlCT4 2. 35 X IO"4 1-1 1] (3)對(duì)該屬性進(jìn)行歸一化處理，將處理后的數(shù)據(jù)放入訓(xùn)練好的網(wǎng)絡(luò)中計(jì)算就可以 得到實(shí)現(xiàn)對(duì)故障位置的初測(cè)結(jié)果為0. 3524即初測(cè)的故障距離為35. 24km。(5)由神經(jīng)網(wǎng)絡(luò)的初測(cè)結(jié)果知，故障發(fā)生在保護(hù)線路的前半段，利用單端測(cè)距公式 (7)對(duì)神經(jīng)網(wǎng)絡(luò)屬性中的兩個(gè)時(shí)間差分別計(jì)算故障距離，第一個(gè)時(shí)間差對(duì)應(yīng)的故障距離為 30. 396km，第二個(gè)時(shí)間差對(duì)應(yīng)的故障距離為35. 015km。將計(jì)算的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 的故障距離取絕對(duì)差值，第二個(gè)時(shí)間差對(duì)應(yīng)的故障距離與神經(jīng)網(wǎng)絡(luò)的初測(cè)結(jié)果絕對(duì)差值最 小的，因此可以判斷出第二個(gè)行波波頭為母線上健全線路反射波，第三個(gè)波頭為故障點(diǎn)反 射波。由故障點(diǎn)反射波與初始行波時(shí)間差就可以得到精確的故障距離35. 015km。
權(quán)利要求
一種輸電線路單端行波故障測(cè)距智能方法，其特征在于按以下步驟進(jìn)行(1)建立輸電線路仿真模型，其采樣頻率為1MHz，對(duì)單相接地時(shí)各種故障條件仿真建立神經(jīng)網(wǎng)絡(luò)輸入樣本①沿線路全程選取故障點(diǎn)，故障距離變化步長(zhǎng)為1km；②故障過(guò)渡電阻分別取20Ω、100Ω；③故障合閘角分別取 70°、0°、70°；取不同故障條件下的電流經(jīng)組合后形成測(cè)距神經(jīng)網(wǎng)絡(luò)的樣本數(shù)組共600個(gè)；(2)對(duì)步驟(1)中得到的樣本數(shù)據(jù)根據(jù)下式進(jìn)行離散小波變換，式中Wf(j，d)為離散小波變換函數(shù)；f(t)為要小波變換的函數(shù)；為離散小波；(3)選取小波變換后得到的前三個(gè)波頭的極性和時(shí)差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；(4)輸電線路故障測(cè)距模型的輸出矢量設(shè)置為故障點(diǎn)距離母線檢測(cè)點(diǎn)相對(duì)于故障線路總長(zhǎng)度的百分比，使輸出矢量值范圍在
之間；(5)選用三層BP神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為5×12×1，第一層為輸入層，選取保護(hù)安裝處檢測(cè)到的前三個(gè)波頭的極性和時(shí)差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；第二層為隱含層，節(jié)點(diǎn)個(gè)數(shù)為12，傳遞函數(shù)為tansigmoid；第三層為輸出層，傳遞函數(shù)為logsigmoid，訓(xùn)練算法選用自適應(yīng)學(xué)習(xí)速度算法，最大訓(xùn)練次數(shù)選為10000次，目標(biāo)函數(shù)誤差設(shè)定為1e 5；(6)取總樣本的80％作為訓(xùn)練樣本，剩余的作為驗(yàn)證樣本，首先輸入已隨機(jī)劃分好的480個(gè)訓(xùn)練樣本的輸入矢量P及其對(duì)應(yīng)的輸出矢量T，其中P為480×5維矩陣，T為480×1維矩陣；(7)將隨機(jī)選取的480個(gè)訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，取120個(gè)驗(yàn)證樣本對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證，得到故障測(cè)距網(wǎng)絡(luò)；(8)將故障數(shù)據(jù)輸入故障測(cè)距網(wǎng)絡(luò)就可以實(shí)現(xiàn)對(duì)故障位置的初測(cè)；(9)利用初測(cè)結(jié)果判斷故障發(fā)生在保護(hù)線路全長(zhǎng)的前半段或后半段，再利用單端測(cè)距公式和式中l(wèi)f為故障距離；v為線模行波波速；Δt1為故障點(diǎn)反射波和初始行波的時(shí)間差；Δt2為對(duì)端母線反射波和初始行波的時(shí)間差，對(duì)神經(jīng)網(wǎng)絡(luò)屬性中的兩個(gè)時(shí)間差分別計(jì)算故障距離，將得到的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的故障距離取絕對(duì)差值，絕對(duì)差值最小的計(jì)算距離判定為故障距離。FSA00000086662000011.tif,FSA00000086662000012.tif,FSA00000086662000013.tif,FSA00000086662000014.tif
全文摘要
本發(fā)明是一種輸電線路單端行波故障測(cè)距智能方法。它將輸電線路故障行波前三個(gè)波頭的極性和時(shí)差作為樣本屬性，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障測(cè)距。輸電線路故障，當(dāng)最短健全線路的長(zhǎng)度大于故障線路全長(zhǎng)的四分之一且次短健全線路長(zhǎng)度大于故障線路全長(zhǎng)的二分之一時(shí)，保護(hù)安裝處檢測(cè)到的前3個(gè)波頭一定含有至少2個(gè)來(lái)自故障線路的行波；當(dāng)上述條件不滿足時(shí)，用方向行波識(shí)別行波是否來(lái)自故障線路。選取后2個(gè)波頭與首波頭的時(shí)間差，以及其波頭極性作為樣本屬性，訓(xùn)練、測(cè)試故障測(cè)距神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)故障距離初測(cè)，以此為基礎(chǔ)，應(yīng)用故障距離與波速、傳輸時(shí)間的關(guān)系正確辨識(shí)第二個(gè)行波波頭性質(zhì)，繼而求得精確的故障距離。大量仿真結(jié)果表明，本發(fā)明效果良好。
文檔編號(hào)G01R31/11GK101923139SQ20101014956
公開(kāi)日2010年12月22日 申請(qǐng)日期2010年4月19日 優(yōu)先權(quán)日2010年4月19日
發(fā)明者彭仕欣, 束洪春, 鄔乾晉 申請(qǐng)人:昆明理工大學(xué)