基于S变换相关度和深度学习的配电网单相接地故障选线新方法

针对配电网发生单相接地故障时特征信息不明显,且现有选线方法易受故障条件和环境噪声影响的问题,基于S变换相关度和深度学习,提出一种具有强抗噪声能力和高泛化水平的配电网单相接地故障选线新方法.首先,利用S变换获取零序电流时频信息,基于各线路零序电流的全频段信息计算线路故障信息相关度;其次,为提高故障特征的可辨识度和抗干扰性...     

配电网单相接地故障选线方案

配电网单相接地故障选线问题由来已久,以往的研究主要集中在相对理想情况下的基于单一特征量的选线方法,而缺乏对单相接地故障的准确确认和对故障信息的充分、有效利用,并且对选线判据在复杂条件下的自适应性和容错性的分析不够深入,这就导致了在实际的生产运行中难以正确实现既定的选线方法,最终容易造成误选。该文首先区分可能造成混淆的故障类型;然后提出了同时运用电压、电流分量的自适应性强、容错性能好的内积选线判据;最后,提出考虑极端情况下的补救方法,从而实现了选线方法在理论上的完备性。大量的EMTP仿真分析结果都表明,该方法能够准确地判定单相接地故障、可靠地选出接地线路,具有很强的鲁棒性。     

配电网单相接地故障选线方案

配电网单相接地故障选线问题由来已久,以往的研究主要集中在相对理想情况下的基于单一特征量的选线方法,而缺乏对单相接地故障的准确确认和对故障信息的充分、有效利用,并且对选线判据在复杂条件下的自适应性和容错性的分析不够深入,这就导致了在实际的生产运行中难以正确实现既定的选线方法,最终容易造成误选.该文首先区分可能造成混淆的故障类型;然后提出了同时运用电压、电流分量的自适应性强、容错性能好的内积选线判据;最后,提出考虑极端情况下的补救方法,从而实现了选线方法在理论上的完备性.大量的EMTP仿真分析结果都表明,该方法能够准确地判定单相接地故障、可靠地选出接地线路,具有很强的鲁棒性.     

基于变分模态分解与空洞卷积神经网络的配电网故障选线方法

小电流接地系统发生单相接地故障时,零序电流故障特征微弱且繁杂多变,传统选线方法可靠性有待提高。提出了一种基于变分模态分解（variational mode decomposition, VMD）与空洞卷积神经网络的配电网故障选线方法。首先,分析配电网健全线路和故障线路的电气特征,采用零序电流作为故障特征信号,为选线模型的输入量提供理论依据;其次,通过变分模态分解把零序电流序列分成不同频率的固有模态函数,提高故障信号特征的平稳性和差异性;然后,采用空洞卷积神经网络作为选线网络,以增大卷积操作感受野的方式增强模型的自适应分类能力;最后,在MATLAB/Simulink中构建10 kV配电网进行算例分析,结果表明,该方法在不同故障场景条件下均有较高的选线效果,验证了所提方法的鲁棒性与准确性。     

基于注意力机制和卷积神经网络的配电网拓扑辨识

针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法。首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(micophasormeasurementunit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性。结果表明：所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用。     

小波变换在配电网单相接地故障选线中的应用

小波变换克服了傅里叶分析的缺陷，能同时对时频局部化，具有很强的信号特征提取功能，可将其应用到小电流接地电网单相接地故障检测中。对故障后暂态电气量进行分解，利用小波变换系数作为判据实现故障选线，仿真实验表明该方法可以快速准确地检测出故障线路。     

基于固有模态能量熵的配电网单相接地故障选线新方法

分析了故障选线的现状和目前已提出的多种选线方法的优势和不足。提出利用固有模态能量熵对线路的零序电流进行分析,求出各线路的能量熵,通过比较熵值的大小来判断故障线路的新方法。MATLAB仿真结果表明,该方法不受过渡电阻和短路时间的影响,能准确地选出故障线路,该方法对配电网单相接地选线问题提供了一种全新的思路。且计算简单,可靠性高。     

基于小波和深度学习的配电网单相接地故障辨识

随着配电网规模的不断扩大,发生单相接地故障后产生的危害也愈加严重,为避免故障进一步升级,必须迅速采取措施切除故障.配电网故障辨识有利于快速查明故障原因,进而采取相应措施切除故障.同时,故障辨识也是故障选线的前提.针对上述情况,文中介绍了一种利用小波分析提取故障特征量并用深度神经网络进行故障辨识的方法.结果 表明,该方法...     

基于注入信号的有源配电网单相接地故障选线方法

单相接地故障是配电网亟待解决的问题,而新能源的大量接入又进一步增加了配电网故障选线的难度。为提高故障选线的准确性,文中另辟蹊径利用新能源发电装置来解决故障选线问题,提出一种基于注入特征信号的有源配电网故障选线方法。在发生单相故障情况时,改变接入配电网逆变器的调制策略,使得逆变器向配电网短时注入特征信号。借助配电网广泛分布的零序电流测量装置对零序电流分析,比较各测量点特征信号能量,确定故障路径,完成故障判别。建立出典型有源配电网仿真模型,分析了在不同接地电阻下的故障特征信息。仿真结果表明,相比于传统信号注入能量值法,新方法具有更好的能量测度,能有效地提高选线准确性。     

基于二维小波分析的配电网单相接地故障选线新方法

将二维小波分析应用于配电网单相接地故障选线中,通过构造零序电流的解析信号,实现了对故障暂态信号幅值和相位相结合的分析．是一种接地选线的新方法。相对于单纯考虑幅值或相位的方法,这种结合分析能够更充分地提取丰富的故障暂态量特征信息．从而更加准确有效地实现故障选线。     

基于改进DNN的配电网接地故障选线方法研究

针对配电网单相接地故障特征信息不清晰且现有选线方法易受故障条件和环境噪声的影响,根据配电网暂态故障特征和稳态故障特征,提出了一种改进的深度神经网络用于故障选线。对深度学习网络的损失函数和学习率进行优化,进一步提高选线的效率和准确性。通过仿真验证了该方法的可行性。结果表明,与改进前相比,改进后的训练迭代次数由86次降低到30次,训练效率提高了65.12%,故障判断的准确率由95%提高到99%,具有较好的抗干扰能力,有一定的参考价值。     

一种配电网单相接地故障综合选线方法

为了充分利用配电网单相接地故障时的故障信息,以提高选线装置的正确选线率,提出了一种综合选线判据的方法。该法将反映故障稳态分量的选线判据、暂态分量的选线判据和利用外加诊断信号的选线判据有机融合,以变电站母线所带出线为研究论域,各单一选线判据为条件属性,离散化的各故障特征量为条件属性值,形成故障信息表并对其进行论域缩减,最后利用决策规则形成决策表,从决策表的决策属性中找到综合选线结果。仿真验证了该综合选线的优越性。     

基于小波包的配电网单相接地故障选线新方法

应用小波包分析提出了一种基于“故障-能量”诊断模式的配电网单相接地故障选线新方法,它根据被分析信号的特征合理选取小波基和频带宽度,应用低频带信号的小波包分解系数能量与重构系数能量比值的偏差模,构成故障选线判据。该方法适用于5%～10%补偿度的各种结构配电网,不受线路长度和短路时刻的影响,抗电弧过渡电阻能力强。考虑不同短路时刻、不同接地电弧电阻、不同线路长度、不同补偿度等多个因素,对配电网小电流接地系统的单相接地故障进行了大量仿真,仿真结果证明了该算法的有效性、正确性。     

基于卷积神经网络多判据融合的井下电网故障选线方法

针对矿井电网消弧线圈接地系统单相接地故障选线方法准确率和可靠性不高的问题,提出基于卷积神经网络多判据融合的选线方法。主要分析了深度学习模型——卷积神经网络的结构与原理,通过快速傅里叶变换和小波变换从故障信息中提取5次谐波分量、小波分析模极大值、衰减直流分量和高频暂态分量作为原始输入数据,并利用改进LeNet-5模型强大的学习能力和泛化能力对其进行融合。基于Matlab软件搭建井下电网仿真模型,结果表明该方法准确性高、可靠性强。     

基于小波变换与BP神经网络相结合的配电网单相接地故障定位方法

提出一种基于小波变换与BP神经网络相结合的方法来实现小电流接地系统单相接地故障定位。由于利用暂态故障电流和暂态母线电压的模极大值的实部和虚部作为BP神经网络的输入,提高了识别故障能力和可靠性,通过对BP神经网络的特别处理,大大地减小过渡电阻对故障定位的影响。仿真结果表明,该故障定位方法准确可靠。     

基于小波变换与BP神经网络相结合的配电网单相接地故障定位方法

提出一种基于小波变换与BP神经网络相结合的方法来实现小电流接地系统单相接地故障定位.由于利用暂态故障电流和暂态母线电压的模极大值的实部和虚部作为BP神经网络的输入,提高了识别故障能力和可靠性,通过对BP神经网络的特别处理,大大地减小过渡电阻对故障定位的影响.仿真结果表明,该故障定位方法准确可靠.     

配电网单相接地故障定位方法的研究

随着配电网结构的复杂和分支不断增加,如何准确、快速定位单向接地故障已成为电力系统重要的研究课题,对目前国内外电力系统单相接地故障定位方法的发展状况进行综合分析与总结,归纳了各种方法的原理和优缺点,并对未来的发展趋势进行总结.     

基于GAF与卷积神经网络的配电网故障选线新方法

消弧线圈接地配电网的暂态零序电流特征和选线结果呈现复杂的非线性关系,传统选线方法不适用于弱故障特征提取。为提高配电网的故障选线准确性,提出了一种基于格拉米角场GAF(Gramian angular field)与卷积神经网络CNN(convolutional neural network)的故障选线新方法。首先对不同工况下的零序电流进行GAF变换,利用变换后的GASF(Gramian angular summation field)和GADF(Gramian angular difference field)特征图样本集训练CNN,用于判定待测馈线是否故障。为提高选线方法的普适性,除了10 kV辐射状配电网样本库,另外建立了包含3种完全不同拓扑模型样本的混合库。最后,所提方法在辐射状模型库和混合库都得到了验证,判定结果证实了该方法的有效性和准确性。