基于卷积深度置信网络的配电网故障分类方法

提出一种基于卷积深度置信网络(CDBN)实现配电网故障分类的方法,利用离散小波包变换(DWPT)分解主变低压侧进线电流和母线电压等电量信号并构造时频矩阵,将时频矩阵转换成时频谱图的像素矩阵后作为CDBN的输入,经CDBN自主提取故障特征量,最终完成配电网故障分类识别。应用典型结构配电网的故障仿真数据与故障实验样本进行故障识别测试,结果表明,所提方法不但具有提取故障特征明显、故障分类正确率较高的特点,并且在系统中性点运行方式及网络结构调整、故障起动检测延迟、分布式电源接入等情况下,均有良好的应用适应性。     

配电网故障区段定位的改进矩阵算法

针对馈线终端单元(FTU)与配电网自动化主站通信中断影响故障区段定位的问题,提出一种配电网故障区段定位改进矩阵算法。该算法根据FTU通信状态与配电网拓扑构建FTU属性矩阵,动态建立网络描述矩阵,最后结合FTU故障信息,提出了配电网故障定位的改进矩阵算法。该算法可根据FTU的通信状态实时更新网络描述矩阵,判据结构简单、形式统一、计算量小,能够实现配电网故障区段的准确定位。     

基于子网络划分的含DG配电网故障区段定位

针对含分布式电源配电网的故障区段定位困难的问题,提出一种基于子网络划分的配电网故障区段定位算法。该算法分为三步:第一步构建配电网的拓扑网络描述矩阵;第二步将结构复杂的配电网划分为多个子网络,并获取各子网络的方向性描述矩阵和故障信息向量,进而建立故障定位判别矩阵;第三步根据判别矩阵进行故障定位。案例分析了配电网发生单一故障、故障路径部分重叠及故障路径完全重叠的多重故障时的适应性,结果表明了所提算法的有效性。     

基于粒子群聚类算法的小电流接地系统故障定位方法研究

提出一种基于粒子群聚类算法的小电流故障定位方法,该方法利用小波包变换对故障后的各线路段监测的数据进行计算,提取故障特征量,采用粒子群聚类算法对各特征量进行聚类分析,有效识别出故障区段和非故障区段。经大量试验仿真证明,该方法可以有效提高故障区段判断的正确率,适应未来配电网发展需求。     

基于配电网等效解耦的配电网故障定位算法

分布式发电(DG)接入配电网后,配电系统网络由单电源辐射状变成了含分布式电源供电的多电源复杂网络,传统的故障区段定位算法不再适用。提出了一种基于配电网拓扑结构等效解耦的新型故障区段定位算法,首先基于配电网拓扑分析的邻接矩阵D,将配电网等效解耦为数个树干网的组合。然后对单个树干网,根据馈线终端设备(FTU)过流信息构成故障矩阵,利用新型的故障区段定位方法,进行故障区段的准确定位。算法基于配电网拓扑结构的等效解耦,不仅能够定位含DG配电网的单一故障,也能定位多重故障。同时解耦后的树干网,矩阵定位算法阶数明显降低,算法简单。通过对算法的算例分析,验证了算法的有效性。     

含分布式电源配电网的快速故障区段定位

分布式电源(distributed generator,DG)的接入使配电网的结构发生改变,导致传统的配电网故障定位算法失效。本文针对含DG的配电网故障定位问题,提出了一种快速判断故障区段的矩阵算法。结合配电网的运行特点,以配电网运行网络中节点和馈线区段间的邻接关系为依据,优化了网络描述矩阵,并提出相应的故障判据。结合不同类型DG的故障特性对算法的通用性进行了分析。该算法网络描述简单直观,运算量小,通用性强,判断迅速准确。最后,本文验证了该算法在复杂配电网单一故障和多重故障下故障区段定位的有效性。     

基于矩阵算法的有源配电网故障定位容错方法

故障区段定位对于配电网发生故障后的故障处理与恢复供电具有重要意义。针对有源配电网的故障定位方法中,矩阵算法计算速度快但容错性差、智能优化算法容错性高但定位速度慢且在大规模配电网中存在局部收敛的问题,提出了一种将矩阵算法和智能优化算法的优点相结合的定位方法。首先,在有源配电网发生故障后,利用馈线终端设置(Feeder Terminal Unit,FTU)上传的告警信息,运用矩阵算法快速定位故障区段。然后运用开关函数对矩阵算法的定位结果进行校验,避免因矩阵算法容错性差而输出错误的定位结果。校验不通过的定位结果将全部列入可疑故障集合,该集合的维度大幅低于配电网的维度,再运用灰狼优化（Grey Wolf Optimization,GWO）算法对该集合进行优化处理,从而输出最终的定位结果。在MATLAB上进行仿真测试,仿真结果表明此方法能在有源配电网中实现故障区段的快速定位,且具有一定的容错性。     

配电网故障定位和隔离的新统一矩阵算法

配电网故障区段判断和隔离的现有算法均不能正确定位网络树状分枝末端的故障。分析了现有3种算法存在的问题后提出了新统一矩阵算法并模拟计算了3电源配电网区段故障,结果表明了该算法的正确性。该算法适用于放射状网络、开环环网、闭环环网及多电源并列供电系统,可对网络中任意区段的故障准确定位。     

基于LOF和SVM的智能配电网故障辨识方法

针对现有智能配电网保护方法存在保护装置整定复杂、协调性差以及易误动等问题,提出一种基于局部异常因子(LOF)检测的配电网保护算法,并对配电网在故障定位后不能进行有效的故障类型辨识这一问题,提出LOF和支持向量机(SVM)相结合的智能配电网故障类型判别方法。根据各节点LOF值的大小实现智能配电网的故障检测与定位;然后对故障处的三相电压进行小波变换,以三相电压的小波奇异熵值建立故障特征样本库,利用反映接地故障信息的零序电压低频能量对故障进行预分类,并以此为基础建立SVM故障类型判别预测模型。该算法可对智能配电网的故障进行有效的检测与定位,并能对故障区域的不同故障类型进行合理分类。     

基于相量校正的多源配电网故障区段定位

为简化含分布电源的配电网故障定位算法过程,并提高故障定位算法的容错性,以矩阵算法为基础提出一种改进的区段定位算法。首先,建立描述节点区段关系的结构描述矩阵,并通过判断是否检测到过电流及过流方向建立故障信息矩阵。然后,利用结构描述矩阵和故障信息矩阵相乘得到故障判断矩阵,并根据区段对应矩阵中行元素构成的不同将区段划分类型,建立各类型区段下反映所有故障情况的故障判据。最后,对照故障判断矩阵行元素与故障判据,判断出发生故障的区段。针对配网中FTU上传信息易发生畸变的情况,提出了基于相量校正的信息畸变校正方法,通过故障电流与正常运行电流相位差异进行定位结果的修正,降低故障信息畸变对定位结果的影响。对DG的投切状况以及配电网两相和三相短路的单重多重故障进行仿真,结果验证了所提故障定位算法的原理简单、准确度好并具有一定的容错能力。     

基于小波能量谱和SSA-GRU的混合直流输电系统故障测距方法

针对混合直流输电系统故障测距存在行波波头难以识别以及固有主频不易提取的问题,提出一种基于小波能量谱和麻雀搜索算法(sparrow search algorithm, SSA)优化的门控循环单元(gate recurrent unit, GRU)模型的故障测距方案。首先,分析频谱能量与故障距离的相关关系,利用小波包分解提取小波包能量谱特征向量,作为GRU模型输入。其次,搭建和训练GRU模型,挖掘时间序列中的深层次故障信息,并利用SSA的迭代寻优对GRU模型参数进行优化,实现故障距离的快速准确定位。最后,在PSCAD/EMTDC 中搭建混合三端直流输电系统模型,实验结果证明该方法定位精度高、抗干扰能力和泛化能力强,并具有一定的耐过渡电阻能力。     

基于暂态波形相关性的配电网故障定位方法

配电网拓扑结构复杂、分支众多,利用单一故障特征的配电网故障定位方法大多存在可靠性差、定位精度低等不足,为此文中提出了一种基于暂态波形相关性的配电网故障定位新方法。配电线路发生故障后实时检测故障暂态波形,利用S变换构造时频矩阵,将其与各分支样本库中的时频矩阵进行相似度计算,并根据相似度的大小判定故障分支;然后根据同一分支不同位置故障时暂态波形的整体波幅差异来确定故障范围,并利用整体波幅偏差与故障位置的比例关系计算得到精确的故障位置。仿真分析表明,在不同的故障条件下,该方法均能可靠、准确地进行故障定位,有望提高配电网故障定位的准确度与可靠性。     

配电网故障区间定位的改进矩阵算法

分析目前配电网故障定位算法中存在的不足,结合配电网的结构特点,提出网络关系矩阵概念和用于故障定位的改进矩阵算法。该算法与之前的矩阵算法及其他改进矩阵算法相比,具有原理简单,无须复杂的运算且运算量小,实时性好的特点。不仅适用于单电源供电的简单配电网故障定位,也适用于多电源供电的复杂配电网故障定位。不仅可以快速准确地定位单点故障,也可以快速准确地定位多点故障。甚至各台柱上FTU上传主站的信号发生畸变时,仍能快速准确地定位故障,具有非常好的容错性能。实例分析和案例仿真表明该算法的可行性与准确性。     

改进的人工免疫分类算法在故障类型识别中的应用

提出将小波包变换和改进的免疫算法相结合,对输电线路故障类型进行识别。运用小波包将电压故障信号分解,提取三相的小波奇异熵作为免疫网络的抗原,利用免疫网络抗原-抗体识别原理进行故障类型识别。仿真结果表明：在相同实验条件下,与传统的ANN网络和SVM相比,该算法具有自适应连续学习的功能,对故障诊断系统可以连续不断的补充新样本。并且此故障类型识别方法不受系统运行方式、过渡电阻和故障位置等影响,具有较强的通用性,较高的精度,识别速度快和算法简单易实现。     

基于小波包和AFSA-SVM的电机故障诊断

针对电机滚动轴承故障诊断准确率问题,提出基于小波包分析结合人工鱼(AFSA)优化支持向量机(SVM)的电机故障诊断方法.利用小波包多分辨率分析法对电机的震动信号进行多层分解及重构,得到不同频段的信号时频图;然后采用AFSA算法对支持向量机中的参数惩罚参数(C)和核参数(σ)进行寻优选择,并最终建立AFSA-SVM故障诊...     

基于改进的两支路ResNet的配电网接地故障辨识和选线

配电网故障类型与故障馈线准确、快速辨识有助于提高配电网供电可靠性。文中鉴于故障辨识与选线的故障信息利用率低,且分类器挖掘故障深层次特征能力不足。提出了以多标签多分类的思路,搭建两支路改进的ResNet并列训练进而同时实现配电网接地故障辨识和选线。首先,引入小波分析对各类电气量进行分解并构造时频矩阵,以分频带分时间段提取时频矩阵的初级特征矩阵,作为网络输入量。其次,改进一种适用于故障类型与故障馈线准确、快速辨识的多分支残差单元结构,以此单元结构首尾相连并构建两支路ResNet同时实现配网故障辨识与选线。仿真实验结果分析,相较于MLP网络、原ResNet,以改进的ResNet完成配电网故障辨识与选线,指标评估结果更优,并能验证所提方法具有更强的适应性和容错性。     

基于鲸鱼算法优化极限学习机的微电网故障诊断

提出一种基于鲸鱼算法优化极限学习机的微电网故障诊断方法。首先利用小波包分解对三相故障电压进行分析,计算小波包能量熵组成特征向量作为数据样本;然后通过鲸鱼算法优化极限学习机建立诊断模型对故障类型进行识别和诊断。最后利用鲸鱼算法优化极限学习机的输入权值和隐层神经元阈值,解决了输入权值和隐层神经元阈值随机初始化易影响网络性能的问题,可进一步提高网络的学习速度和泛化能力,有利于进行全局寻优。仿真结果表明,与BP神经网络、RBF神经网络和ELM相比,基于鲸鱼算法优化极限学习机建立的故障诊断模型学习速度更快、泛化能力更强、识别精度更高。     

基于GA优化BP神经网络的有源配电网高阻接地故障选线方法

当配电网发生高阻接地故障时,逆变型分布式电源的接入会向零序网络中注入不平衡的谐波电流,改变原有故障特征的分布规律,导致传统高阻故障选线方法失效。考虑光伏电源接入对配电网的影响,提出了一种基于GA优化BP神经网络通过融合多种故障特征的有源配电网高阻接地故障选线方法。首先,利用Matlab/Simulink搭建谐振接地系统仿真得到选定周波的故障零序电流,根据小波包变换从中提取小波包能量熵和模极大值,并将其作为数据样本。然后,将数据输入优化后的网络中进行训练,得到能够实现智能选线的机器学习模型。最后,算例分析表明该方法较传统算法提高了迭代速度和训练精度,在多种复杂故障条件下具有良好的选线容错率,且具有一定的抗噪能力。     

小波包神经网络与数据降维的移相全桥变换器的故障诊断

移相全桥变换器作为机车控制电源的核心电路其故障特征类型极其丰富,故障信息量大,为了彻底全面地挖掘故障信息,提出了小波包神经网络和数据降维的新型故障诊断模式,主要利用流形学习来对高维的故障特征量进行降维,提取其本质特征解决了由小波包多层分解带来的"维数灾难",减轻了模式识别的压力。利用Matlab仿真软件分析,此方法可以使模式识别的时间缩短,准确率提高,从而验证了该方法的有效性。