基于PSO-ENN算法的高压直流输电线路故障测距

高压直流输电线路故障测距对保障输电线路安全稳定的运行具有十分重要的意义。为了提高故障测距的精度,利用故障频谱对线路故障进行测距分析,并且故障行波在传播过程中具有强烈的固有频率信号。因此,文中将固有频率主频以及2倍频的幅值和频率作为输入训练样本,将故障距离作为输出训练样本,提出一种基于Elman动态神经网络的高压直流输电线路故障测距算法,并采用粒子群(PSO)算法优化Elman神经网络的初始权值和阈值。最后,采用MATLAB软件进行仿真,结果表明该算法具有较高的收敛速度与测距精度,可以为高压直流输电线路故障测距提供理论支持。     

基于小波变换的新型输电线路故障测距系统设计

为进一步提高输电线路行波故障测距的准度精度和安全经济性,针对现有输电线路故障测距方法的缺点,本文提出小波变换法,解决现行的输电线路故障测距方法对故障发生时行波到达时间、行波传播速度难以确定,并导致故障测距结果精度下降等问题.根据小波变换技术设计的新型输电线路故障测距系统,具有一定的先进性和可操作性.     

HHT结合QPSO-GRNN的同塔双回输电线路故障测距

为提高同塔双回输电线路故障测距的精度,提出将希尔伯特黄变换和量子粒子群优化的广义回归神经网络相结合的方法用于构建测距模型.首先将线路两端采集的故障电流进行相模变换,选取其特征模量进行希尔伯特黄变换;将变换得到的2个采样点作为模型输入,对应的故障距离作为模型输出,构建经量子粒子群算法优化的广义回归神经网络;在网络中进行训...     

基于混合智能算法的直流输电线路故障测距方法

提出了一种基于混合智能算法的直流输电线路故障测距方法。利用神经网络算法对基于遗传算法的故障测距方法在线路两端故障时的测距结果进行了修正,提高了线路两端故障的测距精度。该算法利用故障后线路双端的电压、电流量,在时域内进行故障测距,继承了基于遗传算法的故障测距方法的优点,不受故障点位置与过渡电阻的影响,且测距结果精度受线路参数偏差的影响较小。应用PSCAD仿真软件及Matlab对所提算法进行仿真验证,仿真结果表明,神经网络与遗传算法相结合,可以实现直流输电线路全线范围内的准确故障测距。     

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。     

基于优化小波神经网络的输电线路行波故障测距

针对单端行波故障测距方法中故障点反射波与对端母线反射波的识别问题,提出了一种改进粒子群算法优化的小波神经网络的故障测距模型.提取保护安装处检测到的行波波头时间值与反向行波线模分量的李氏指数作为行波特征值,利用小波神经网络拟合行波特征值与输电线路故障距离之间的关系,构建小波神经网络故障测距模型,利用该模型可以直接得到输电...     

基于神经网络的高压直流输电线路故障测距

输电线路故障行波频谱与故障距离之间存在数学关系,故利用故障行波频谱可以实现故障测距,且高压直流输电线路故障暂态过程具有更强的固有频率信号。鉴此,提取固有频率的幅值和频率作为样本属性,提出一种基于神经网络的高压直流输电线路故障测距算法。采用粒子群算法对BP神经网络的权值和阈值进行优化,提高了网络的训练效率,使其收敛速度加快。PSCAD和MATLAB仿真结果表明,该故障测距算法具有较高的可靠性和精确性。     

基于GST-TT变换的单端故障行波测距方法

针对行波法测距波头时刻标定精度不足和波速不稳定的问题,提出一种基于GST-TT变换的单端故障行波测距方法。首先将采样的电压行波信号做解耦处理,提取线模电压信号,然后将线模电压信号进行广义S变换,提取适当高频频带作为故障特征频带,运用TT变换对角线位置元素聚高频、抑制低频的特性,在故障特征频带内对波头到达测量端时刻进行精确标定,根据不依赖具体行波波速的故障测距计算方法得出故障距离。该方法可以提高波头时刻的标定精度,降低波速不稳定对故障测距的影响。通过PSCAD仿真验证,根据结果可知,该方法测距精度较高,在无噪声干扰情况下,平均相对误差为0.25%;同时也可知晓该方法具有较强的耐受过渡电阻能力和抗噪能力。     

小波分解结合PSO-DBN的高压直流输电线路单极接地故障测距

针对已有故障定位方法的不足,提出了一种小波分解结合深度信念网络DBN的故障定位方法。对不同故障距离、不同过渡电阻下的线模、零模电压进行分析,推导出故障距离与小波分解各尺度模极大值之比的非线性关系。以小波分解模极大值之比作为故障特征,在MATLAB平台上搭建DBN故障定位模型用粒子群优化算法对模型参数优化,仿真结果表明所提方法测距精度较高,过渡电阻耐受能力较强。     

基于二进制粒子群算法的辐射状配电网故障定位

粒子群算法是一种群体智能优化算法,具有简单易行、容易实现、收敛性好等优点。通过建立适当的优化模型,提出了基于二进制粒子群算法的辐射状配电网故障定位算法,并通过算例验证了该算法的可行性和有效性。结果表明该算法收敛速度快,能够对辐射状配电网中单点和多点故障进行准确定位,并在部分故障信息畸变的情况下,能得出正确结果,容错性能好。     

基于暂态电流波形斜率的中压柔性直流配电线路故障定位方法

为了提高中压柔性直流配电网的安全稳定运行能力,提出了一种基于暂态电流波形斜率的中压柔性直流配电线路故障定位新方法。通过分析时域内的单极接地短路故障、双极短路故障暂态特性,发现不同故障类型下暂态电流突变点的波形切线斜率不受电容放电形式的影响,暂态电流波形切线斜率与故障点位置构呈反比例型函数关系。利用正、负极电压梯度判别故障类型与故障极,针对不同故障类型,利用线路两端故障暂态电流波形的切线斜率求解故障距离。PSCAD/EMTDC仿真结果验证了所提方法的有效性与准确性,其能够在不同故障类型、不同故障距离、不同过渡电阻的情况下精确定位故障点位置。     

基于电磁时间反演的VSC-HVDC系统架空线-电缆混合线路故障定位方法

针对传统故障定位方法无法应用于架空线-电缆混合直流线路的问题,提出了一种架空线-电缆混合直流线路的故障定位方法,该方法采用先确定故障点所在区段、后在区段中定位的原理。利用故障附加网络的直流分量定义了故障区段判别函数,通过该判别函数在不同区段发生故障时数值不同实现故障区段的判定。然后,分析了电磁时间反演理论在故障定位中的可行性,分析确定了故障特征谐波。利用线路两端特征谐波的电流行进波作为时间反演电路的电流源,设置与原线路拓扑结构镜像的线路,利用时间反演电流源与镜像线路构建时间反演电路。在此基础上,根据时间反演的能量聚焦特性列写故障区段内的故障定位方程并实现区段内故障定位。利用PSCAD/EMTDC搭建的电压源型换流器高压直流输电(VSC-HVDC)系统仿真证明了所提方法能实现线缆混合直流输电线路的故障定位。     

基于VMD与广义S变换的HVDC线路故障定位

针对高压直流输电线路故障定位中存在的输电线路长、故障概率大、测距精度不高以及故障波形含有噪声等问题,提出了VMD分解与广义S变换结合的高压直流输电线路故障测距算法。首先通过变分模态分解(Variational Model Decomposition,VMD)对含噪声的行波信号进行VMD分解,滤去噪声并获得最优模态分量。然后采用广义S变换(Generalized S-transform,GST)计算最优模态分量,生成高时间分辨率S矩阵。并选取S矩阵中的高频分量,识别该频率分量的波形突变点,从而获取故障初始行波到达时刻。最后通过测距公式获得故障距离。PSCAD/EMTDC仿真表明,所提方法受过渡电阻影响很小,不同故障距离的测距精度很高。经过现场故障行波数据的验证,可以实现在线路范围内快速准确的故障定位。     

基于LMD与Teager能量算子的VSC-HVDC输电线路故障定位

为保证电压源换流器型高压直流输电系统的可靠运行,克服传统高压直流输电行波定位具有易误动、受噪声影响大的缺点,提出了基于于局域均值分解(LMD)与Teager能量算子结合的故障定位新方法。通过Morlet小波时频分析确定了电压源换流器型直流输电,VSC-HVDC的边界特性,提出了基于PF分量能量比值的区内、外故障识别判据。利用故障极线路与非故障极线路中高频电流分量的差异构造了选极判据。对于区内故障将LMD与Teager能量算子结合进行故障测距。PSCAD仿真结果表明,该方法定位精度误差不超过0.124%且耐过渡电阻。通过增添噪声影响验证了该算法和判据的可靠性,故该方案可实现VSC-HVDC的全线、准确的故障定位。     

基于PSO-GRNN和D-S证据理论的电网分区故障诊断

针对大电网中保护和断路器误动、拒动、信息丢失等不确定的电网故障信息以及现有电网分区方法的不足,提出了基于粒子群优化广义回归神经网络（PSO-GRNN）和D-S证据理论的电网分区故障诊断方法。首先,通过改进图形分割法将大电网划分为相互重叠的不同区域,降低故障诊断难度。然后在各个区域建立PSO-GRNN诊断模块,根据故障警报信息,并行完成各自的故障诊断任务。最后,采用D-S证据理论对相邻区域的重叠区域进行分析,以实现对重叠区域的综合故障诊断。仿真结果表明,该方法能有效识别非重叠区域和重叠区域的故障,容错能力强,诊断准确率高。     

基于时域方法的输电线路两点异相故障测距

提出了一种利用双端电压电流同步采样值进行高压短输电线路两点异相故障的时域测距方法。该方法基本上不受系统运行方式和过渡电阻大小影响。所有解算均在相坐标中进行,避免了两端电气量的坐标变换。最小二乘技术的应用从理论上保证了该测距算法具有较高精度。对于一点故障测距问题,该方法同样有效。     

基于免疫二进制粒子群优化算法的配电网故障 定位方法研究

针对二进制粒子群算法在复杂规模化配电网故障定位时收敛速度慢、易陷入局部最优解的缺陷,提出一种基于免疫二进制粒子群优化算法的配电网故障定位方法。首先,应用免疫系统信息处理机制对粒子群算法进行改进,在算法进化过程中建立记忆细胞单元存储优质抗体,避免抗体种群更新后的群体退化。其次,引入抗体浓度调节机制与免疫选择操作保持抗体种群多样性,强化算法全局搜索能力,防止算法早熟。在此基础上,构建亲和度评价函数将改进后的算法应用于配电网故障定位。仿真结果表明,基于免疫二进制粒子群优化算法的配电网故障定位方法能够有效提升算法收敛速度与故障定位准确率,且在故障信息畸变情况下具有良好的容错性能。     

基于PQMS电压信息的有源配电网故障定位方法

通过建立逆变型分布式电源(Inverter Interfaced Distributed Generation,IIDG)在低电压穿越控制下的(Low Voltage Ride Through,LVRT)故障输出模型,利用电能质量检测装置(PQMS)的电压信息,建立故障定位评估函数,提出了一种含逆变型DG配电网的故障定位新方法。论文首先研究了逆变型DG的低压穿越控制策略,建立逆变型DG的故障特征模型,分析对称及非对称故障条件下输出特性。然后利用含逆变型DG的配电网模型,分析不同故障条件下的故障特征。通过分析故障分量网络,建立节点电压关于故障距离与过渡电阻的方程,通过改进的粒子群算法求解精确故障距离。该方法考虑了故障条件下DG输出特性对于配电网故障定位的影响,利用故障网络的节点电压分布函数,解决了低电压穿越运行下的逆变型DG有源配电网故障定位问题。最后,在DigSilent软件中构建了带有逆变型DG的IEEE 33配电网仿真系统,验证所提方法的有效性与准确性。