模糊神经网络在区分电力系统故障和振荡中的应用

根据电力系统发生故障和振荡时母线处获得的信号的特点,提出了用模糊神经网络来识别电力系统振荡与故障的模型和算法。经EMTP仿真表明,该方法能够很好地识别振荡与故障,而且计算和响应速度快,另外,系统正在振荡时又发生故障,本文提出的模糊神经网络的模型及算法也能正确区分出故障。缺点是需要经过大量的训练,但是由于是离线训练,不影响此方法的实时应用。     

小波模糊神经网络应用于配电网输电线的故障测距

在小电流接地系统单相接地故障特征分析的基础上，提出了一种基于故障后稳态及暂态电气量的小波模糊神经网络的故障测距方法。单相接地故障时的暂态分量故障特征非常明显，且故障暂态高频分量受故障前负荷的影响较少，故可以采用故障暂态分量描述故障模式特征并进行故障定位，鉴于已有的小波神经网络模型不适合于故障测距，作者从广义的小波神经网络概念出发，结合模糊控制理论，提出了适合于电力系统故障暂态和稳态信号分析的小波模糊神经网络方法，并将该方法应用于小电流接地系统直配输电线路的故障测距。理论分析及大量的EMTP仿真结果表明：本文所提出的小波模糊神经网络理论，模型及算法具有较好的故障测距性能，并可应用于电力系统的故障分析。     

基于Hilbert-Huang变换和神经网络的带串补高压输电线路故障测距

提出了一种针对带串补高压输电线路的分层结构神经网络模型故障测距新算法。第1层为粗略判断故障位置的神经网络模型,利用一种新的信号处理方法Hilbert-Huang变换获取能量故障特征作为第1层神经网络的输入,判断故障发生在电容前或后;第2层为精确确定故障位置的神经网络模型,通过对神经网络的离线训练和对单端故障测距结果的在线补偿,最终得到精确的故障距离。该算法考虑了过渡电阻和分布电容的影响,克服了传统故障测距算法由于忽略分布电容导致在高阻接地故障时故障定位不准确的缺点。     

基于神经网络的电站锅炉故障诊断研究

应用模糊模块化神经网络和递推合成BP网络，并结合混合型知识表示和知识获取方法、基于知识的专家系统等技术对锅炉故障诊断与预测问题进行了研究。文章所建的用于锅炉故障诊断的模糊模块化神经网络模型因进行了样本聚类．实验结果表明：其网络训练的速度和精度明显提高，同时有效地解决了BP网络应用于复杂的锅炉系统故障诊断时容易陷入局部最小点的问题。且该网络采用多输出的结构，不仅能对故障是否发生进行诊断，而且还能判断故障发生的严重程度。     

模糊神经网络在小电流接地系统选线中的应用

用模糊神经网络理论重点改进了小电流接地选线原理中传统的“零序电流比幅”、“零序有功分量比幅”、“能量法”等方法，用仿真结果代入算法公式计算出样本，将其送入模糊极大-极小神经网络进行训练。训练结果表明，提出的方法对中性点非直接接地系统发生的单相直接接地和经过渡电阻接地故障都可正确选线，且判别依据不受系统结构和运行方式变化的影响，选线的正确度和可靠性均有明显的提高。     

基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法。利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线。仿真结果表明,该方法训练速度快、误判率低。     

基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法.利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入.利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线.仿真结果表明,该方法训练速度快、误判率低.     

模糊聚类和LM算法改进BP神经网络的变压器故障诊断

在变压器故障诊断中,目前BP神经网络算法存在训练样本分布不均匀,收敛速度慢、容易陷于局部极小点等问题,导致整体的诊断性能下降。通过对模糊聚类及LM算法改进的神经网络深入研究,并引入变压器故障诊断中,该算法应用模糊聚类对搜集到的样本预处理,提高样本的质量,再用LM算法改进的神经网络来优化搜索方向,可以实现网络训练速度及测试精度的提高。通过实例仿真实验,验证了该方法能够有效诊断出变压器的故障。     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。     

基于粒子群模糊神经网络的继电保护系统故障诊断

针对电力系统继电保护中故障诊断的特点和要求,建立了基于模糊神经网络的故障智能诊断系统模型。采取粒子群优化（PSO）算法和误差反向传播（BP）算法柏结合的方法训练该模型网络,充分发挥PSO全局寻优能力和BP局部细致搜索优势,提高了诊断的可靠性和准确性。实验结果证明了该方法的有效性。     

基于模糊逻辑的UPFC线路新型正序故障分量方向元件

统一潮流控制器(UPFC)可以灵活控制线路潮流,提高电力系统运行稳定性,但其接入会对线路保护的动作性能产生影响。针对UPFC线路正序故障分量方向元件在反方向故障时易发生误动的问题,提出了基于模糊逻辑的适用于UPFC线路的新型正序故障分量方向元件。首先,通过增加UPFC线路侧电压互感器,与原有的母线电压和线路电流测点组成新型保护单元。在此基础上,对传统方向元件的动作区域进行划分,进而应用模糊逻辑,通过设置合理的隶属度函数、权重和故障方向判据,利用综合隶属度函数实现故障方向的判别。最后,基于PSCAD/EMTDC的大量仿真结果表明,新型方向元件在UPFC不同运行方式、不同故障类型和过渡电阻等条件下,均可正确判别故障方向,保障了UPFC接入后电网的安全可靠运行。     

具有低电压穿越能力的光伏电源接入配电网方向元件新判据

具有低电压穿越能力的光伏电源与传统电源故障输出特性不同,其接入将影响配电网中传统功率方向元件的动作特性,使得传统功率方向元件不能正确判断故障方向。在研究具有低电压穿越能力的光伏电源接入配电网故障特性的基础上,得出了配电网保护正方向及反方向故障时流过保护的正序电流和保护安装处故障前电压的相位关系,以此为基础提出了一种基于正序故障电流和故障前电压相位信息的方向元件新原理。该原理保证了不同故障类型和故障位置条件下含光伏电源的配电网中方向元件动作的可靠性,同时避免了传统功率方向元件电压死区的问题。经仿真验证了该方向元件原理的有效性。     

A novel scheme for current-only directional overcurrent relay

Overcurrent relays are widely used as main protection in sub-transmission and distribution systems. In mesh and multi-source networks, application of directional relay is unavoidable. Traditional directional overcurrent relays use the reference voltage phasor as the polarizing quantity to estimate the direction of the fault. Traditional direction distinguishing scheme is unreliable in the case of close-in faults. In this paper, a novel algorithm for directional overcurrent relay is proposed. The new algorithm uses only current signals for determining the fault direction. It uses superimposed component of the current signal and does not require phasor estimation. This new algorithm uses pre-fault current signal as the polarizing quantity. The proposed method is tested on simple power system in different situations. The results show it leads to fast and reliable directional protection.     

对110 kV零序方向电流保护方向正确性的讨论

就不同类型零序方向电流保护的方向正确性进行讨论。阐述了中性点直接接地系统单相接地短路时零序电压、零序电流、零序功率的特点,对常规零序方向保护和微机型零序方向保护的原理进行了对比分析,指出LG12型功率方向继电器以及WXH-11型、CSL-160型零序方向保护中零序功率方向的正确接线方式。     

方向高频保护的动作行为分析：第一部分：复杂系统的复故障计算

方向高频保护高压和超高压输出电线路的主要保护方式,其动作性能对电力系统的安全运行影响甚大。     

Implementation and laboratory test results of an Elmannetwork-based transmission line directional relay

A transmission line fault direction identification module based on an Elman recurrent network has been implemented on a DSP board and its behavior is investigated on a physical power system model. Details of implementation and the experimental studies are given and analysed in the paper. Studies show that the proposed approach is able to identify the direction of a fault on a transmission line rapidly and correctly. It is suitable for realizing a fast transmission line directional comparison protection scheme     

Directional ground-fault indicator for high-resistance grounded systems

Locating ground faults is a difficult and challenging problem for low-voltage power systems that are ungrounded or have high-impedance grounding. Recent work in pilot signals has renewed efforts in developing fault location methodologies. This paper presents a method for directional ground-fault indication that utilizes the fundamental frequency voltages and currents. Although the ground-fault current is small and usually less than the load currents, the fault has zero-sequence components that distinguish it from the load. Signal processing techniques are used to identify and compare the fault signals to determine the fault direction. The process takes advantage of the currents flowing from the distributed grounding capacitance. An experimental microprocessor-based directional indicator unit is tested in an industrial power distribution system. Directional indication of ground faults is applied near tap-off branch circuit connections. Promising results from field test conducted in a harmonic-noisy setting are presented. Directional indicator units simplify the search process on large networks, thus reducing the time and effort necessary to locate and remove the fault, and thereby significantly reduces the probability of a second ground fault with its destructive currents.     

High speed transmission system directional protection using anElman network

Detection of the direction of a fault on a transmission line is essential to the proper performance of a power system. It would be desirable to develop a high speed and accurate approach to determine the fault direction for different power system conditions. To classify forward and backward faults on a given line, a neural network's abilities in pattern recognition and classification could be considered as a solution. To demonstrate the applicability of this solution, neural network technique is employed and a novel Elman recurrent network is designed and trained. Details of the design procedure and the results of performance studies with the proposed network are given and analysed in the paper. System simulation studies show that the proposed approach is able to detect the direction of a fault on a transmission line rapidly and correctly. It is suitable to realize a very fast transmission line directional comparison protection scheme     

逆变站交流出线保护近区故障方向判别方法

逆变站作为交直流混合电网的核心枢纽，其故障特性相较于传统同步机更加复杂。逆变站交流出线发生故障时，受逆变站故障特性影响，传统基于工频量的保护无法正确动作。通过分析逆变站交流出线两端系统故障特性差异，基于R-L模型时域微分方程算法，提出了一种新型方向元件。当逆变站交流出线发生短路故障时，直流系统侧提供的故障电流和受端交流系统提供的故障电流特性差异极大，通过计算测量电压降落和计算电压降落变化趋势的相关系数，所提方向元件可正确判断故障方向。分析表明，所提出的方向元件适用于逆变站交流出线线路保护，且在逆变站仅有一条出线的情况下仍能正确动作。仿真结果表明，该方向元件具有良好的保护性能，不受雷击、故障类型、逆变站换相失败等因素的影响。