共查询到20条相似文献,搜索用时 171 毫秒
1.
用多个对应的后向神经网络进行同杆双回线故障识别及测距的模式 总被引:6,自引:4,他引:6
电力系统高压同杆双回输电线的应用日益增多,但其故障识别与测距的问题尚未完全解决,同杆双回线因存在回路间耦合等因素,使得用单一的神经网络进行故障识别与测距的结果并不理想。作者比较分析了BP网络与Kohonen网络在同杆双回线测距方面的优缺点,提出了将故障识别与测距任务分配到多个网络的方法即将同杆双回线的每种故障模式各与一个BP人工神经网络对应,在线路上取一些固定点作为标志点,训练成功的BP网络输出的模糊值代表了标志点上发生故障的可能性。用模糊值构成插值曲线,根据曲线的相对位置确定故障模式,并由曲线的最小值求得故障距离。大量仿真表明该法可以准确可靠地确定故障模式并能测得较高的测距精度。 相似文献
2.
提出了一种基于RLC模型的配网电缆单相接地故障的单端时域测距方法。该方法利用配网电缆单相接地故障后的暂态信息并结合故障状态网络与零模网络,建立时域测距方程,实现故障测距,且对过渡电阻及其两侧的等值对地电容进行了辨识求值。该算法避免了故障后消弧线圈补偿使得稳态残流微弱、过渡电阻、故障初始角及中性点运行方式等因素对测距精度的影响。大量的EMTP数字仿真结果验证了该算法的正确性,且具有较高的测距辨识精度。测距平均误差在10 m内,最大相对误差小于0.113%,计算过渡电阻的最大相对误差小于1.637%,满足实际工程应用需求。 相似文献
3.
4.
提高高压输电线路故障定位精度有助于及时排查故障并修复供电,对于提高系统供电可靠性,保证电网安全稳定运行能力具有重要现实意义。采用BP神经网络对现有各种测距手段提供的测距结果信息进行综合,对故障测距结果进行优化评估,提高故障测距精度。分别给出了以故障实际距离和故障测距误差为输出的两种综合模型,以仿真计算和实际系统测距数据作为训练样本对神经网络进行训练,进行了两种模型适用性的分析。实际应用结果表明,所提出故障测距综合优化方法可充分综合利用各测距方法的优点,有效提高了故障定位精度。 相似文献
5.
基于模糊神经网络的故障测距 总被引:5,自引:0,他引:5
输电线路故障受到许多不确定性因素影响,传统测距算法不能很好地解决输电线路测距问题。提出了基于模糊神经网络(FNN)的故障测距方法,构造了一个由输入层、模糊化层、推理层、去模糊化层、输出层组成的模糊神经网络,采用变步长方法改进BP算法,加快了收敛速度。仿真结果显示,设计的网络具有良好的适应性能,其测距精度较高,且测距精度不受系统运行方式、过渡电阻、两端系统相角差等的影响。 相似文献
6.
《电力系统及其自动化学报》2016,(8)
故障行波零模分量与线模分量到达线路端测距装置处的时间差与故障距离之间呈非线性关系,反向传播BP神经网络具有良好的非线性逼近拟合能力,可以利用BP神经网络对这种关系进行拟合以达到故障测距的目的。以小波分解各个频带下模量传输时间差为输入特征量、故障距离作为输出特征量,对神经网络进行训练,形成故障测距神经网络模型。仿真表明该基于模量传输时间差的特高压直流输电线路单端故障测距神经网络算法精度较高。 相似文献
7.
8.
9.
10.
一种特高压直流输电线路神经网络双端故障测距新方法 总被引:5,自引:0,他引:5
提出一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法。传统基于高频量衰减特性的特高压直流输电线路双端测距方法的测距精度依赖于线路衰减常数的准确求取,但准确计算线路衰减常数是一个难题。人工神经网络具有很强的非线性逼近拟合能力,利用人工神经网络方法,将不必准确计算线路衰减常数也能准确实现故障定位。选取不同频带内整流侧和逆变侧测距装置处检测到的故障电压行波线模分量高频部分首波头幅值比作为BP神经网络的输入样本集,故障距离作为输出样本集,对神经网络进行训练、测试,形成直流输电线路故障测距神经网络模型,将反映故障位置的特征数据输入训练后的网络模型即可实现故障测距。大量仿真结果表明:该基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法精度较高,而且耐受过渡电阻能力强。 相似文献
11.
TA饱和是变压器差动保护中待解决的关键问题之一。通过对变压器TA饱和的深入分析及仿真研究,得出结论:TA饱和时,区外故障电流含有大量明显的突变点,而区内故障电流连续。据此结论,文章提出了一种利用小波包变换区分变压器内外部故障的新方法。首先小波包变换分别对TA饱和情况下的内外部故障电流进行分解,然后对分解后的信号进行能量计算,将问题量化,可以直观地观察信号的差异,最后提出判据。仿真验证证明,该方法能够正确区分TA饱和情况下的内外部故障电流,能及时阻止可能造成的损害,并可防止变压器保护误动。 相似文献
12.
Yu D.C. Cummins J.C. Zhudin Wang Hong-Jun Yoon Kojovic L.A. 《Power Delivery, IEEE Transactions on》2001,16(2):189-194
Current transformer saturation can cause protective relay misoperation or even prevent tripping. This paper presents the use of artificial neural networks (ANN) to correct current transformer (CT) secondary waveform distortions. The ANN is trained to achieve the inverse transfer function of iron-core toroidal CTs which are widely used in protective systems. The ANN provides a good estimate of the true (primary) current of a saturated transformer. The neural network is developed using MATLAB and trained using data from EMTP simulations and data generated from actual CTs. In order to handle large dynamic ranges of fault currents, a technique of employing two sets of network coefficients is used. Different sets of network coefficients deal with different fault current ranges. The algorithm for running the network was implemented on an Analog Devices ADSP3101 digital signal processor. The calculating speed and accuracy proved to be satisfactory in real-time application 相似文献
13.
14.
15.
一种快速识别故障发展的变压器差动保护解除闭锁新方法 总被引:3,自引:0,他引:3
TA饱和一直是影响变压器差动保护可靠性的重要原因。目前已有的比率制动特性和时差法等方法,在一定程度上提高了保护躲避区外故障的能力,但无法及时处理区外故障转区内故障的情况。通过分析发现:当外部故障且TA饱和时,绝大部分采样点在满足动作条件的情况下,其饱和TA的二次电流变化趋势与差流的变化趋势相反,而在内部故障情况下,上述规律则不满足。由此提出利用饱和二次电流和差流采样值变化轨迹,动态地定是否发生故障发展,有利于进一步提高差动保护的可靠性。仿真结果证实了所提方法的有效性。 相似文献
16.
17.
变压器差动保护中电流互感器饱和的综合判据 总被引:2,自引:0,他引:2
针对电流互感器(TA)饱和对变压器差动保护造成的不利影响,总结分析了常用的谐波制动法、时差法和附加制动区法这3种TA饱和识别方法的优缺点,在时差法或附加制动区法作为主判据的基础上,以谐波制动法的判别结果作为必要条件提出了变压器差动保护中TA饱和的综合判据。该判据提高了TA饱和的识别率,且在TA饱和延时闭锁差动保护期间可以对变压器区内故障做出快速反应。作者还提出了在静模试验中校验TA饱和判据的新方法,可以不依赖于动态模型进行程序调试,最后通过动模试验验证了该判据的可行性。 相似文献
18.
19.