共查询到20条相似文献,搜索用时 31 毫秒
1.
针对采用单一故障信息的配电网接地故障选线方法存在的缺陷,提出一种基于遗传算法(GA)改进BP神经网络的融合选线算法。该算法分别采用5次谐波法、有功分量法和暂态能量法从零序电流信号中提取5次谐波分量、有功分量、暂态能量作为故障特征,并定义其故障程度,然后将这些故障程度作为模型的输入,利用故障稳态与暂态信息对接地故障不同的判别能力,并通过GA优化BP神经网络的权值和阈值,避免神经网络陷入局部极值,使得选线模型达到较高的精度。仿真结果表明,在采用真实录波数据作为样本的情况下,所提改进算法比BP神经网络算法的选线精度更高,满足配电网单相接地故障选线精度要求。 相似文献
2.
针对小电流接地系统中单相接地故障选线这一未彻底解决的难题,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化模糊神经网络(Fuzzy Neural Networks,FNN)的配电网故障选线方法:通过调整粒子群的适应度函数和自适应惯性权值,利用改进PSO先对网络初始参数、权值进行一次优化,后使用BP算法进行二次优化。讨论模糊神经网络、传统PSO优化的模糊神经网络及不同网络结构对网络性能的影响。研究结果表明改进PSO优化模糊神经网络的选线效果明显优于模糊神经网络和传统PSO优化模糊神经网络,能够快速、准确、可靠的选取故障线路。 相似文献
3.
介绍了配电网系统线路单相接地故障原因,探讨了国内外配电网单相接地故障研究现状,结合我国配电网系统的供电可靠性和电能质量的要求,提出了“选线+锁段+定位”的接地故障测距方法,并在余杭某配电线路进行了验证,取得了良好的效果。 相似文献
4.
近几年来.很多网局都在进行变电站微机监测系统的研制,其中包括对小接地电网的故障测距与选线.这种电网的短路类型主要分为单相接地、两点接地和相间短路.单相接地的选线和相间短路测距都已有较成熟算法,此处不在赘述(文献[1]、[2]).本文主要通过对单电源网络异相异地两点接地短路的分析,提出两种测距算法.其中算法A适用于单、双电源平行线间两点接地故障测距,算法B适用于单电源相邻线路间两点接地故障测距.由于小接地电网两点接地短路的发生概率仅次于单相接地,所以本文提出的算法是有一定实际意义的.本文附录中提出一套小接地电网微机故障测距方案,仅供参考. 相似文献
5.
配电网发生单相接地故障,当故障时刻处在故障相的相电压过零点且大电阻接地故障时,基于小波分析选线会因故障线路与非故障线路暂态量差别不明显而发生误判。提出基于免疫RBF网络改进小波分析算法,通过免疫机制对不同故障类型故障线路与非故障线路的暂态零序电流小波模极大值进行聚类,确定RBF网络隐层中心。通过遗传算法训练RBF网络得到最优连接权值。将训练后的RBF网络用于的小电流接地故障选线,仿真结果表明,利用该算法选线具有较高的精确度。 相似文献
6.
介绍了配电网系统线路单相接地故障原因,探讨了国内外配电网单相接地故障研究现状,结合我国配电网系统的供电可靠性和电能质量的要求,提出了"选线+锁段+定位"的接地故障测距方法,并在余杭某配电线路进行了验证,取得了良好的效果。 相似文献
7.
针对谐振接地配电网系统高阻单相接地故障时无法可靠准确进行故障选线的问题,提出一种利用暂态高频电流波形差异的故障选线方案。通过分析谐振接地系统单相接地故障时的零序电流特征,发现健全线路与故障线路的暂态电流5、7次分量的波形依旧存在明显差异。利用Hausdorff距离算法比较线路间的暂态电流主要高频分量的波形差异进行故障选线。对各线路的暂态电流分量进行归一化处理,构造了暂态电流分量Hausdorff距离参数的故障选线判据,并设计了故障选线的实现方案。利用Matlab仿真以及试验录波进行计算分析,验证了所提出选线方案的正确性和有效性,尤其是对于配电网高阻单相接地故障具有良好的适用性。 相似文献
8.
配电网单相接地故障的仿真分析 总被引:2,自引:1,他引:2
为了提取配电网单相接地故障选线和故障测距的暂态故障特征量,基于Matlab的Simulink仿真环境,搭建了小电流接地系统的配电网络仿真模型并综合考虑不同短路时刻、不同接地电弧电阻、不同故障距离和线路长度等多个因素,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。在配电网单相接地短路故障后的第1个工频周波(0~0.02s)内故障线路的零序电流包络线的变化速度比非故障线路变化缓慢,包络面积大,但与非故障线路首半波极性相反。仿真分析表明此暂态特性不受短路时刻、电弧电阻、故障距离和消弧线圈被偿度的影响,为单相接地故障选线和故障测距的研究提供了理论依据。 相似文献
9.
单相接地故障是配电网最常发生的故障,准确而快速地确定配电网单相接地故障位置对排除系统故障,减少事故损失具有非常重要的作用。针对当前配电网单相接地故障精确定位问题,通过采用网络故障时测量点处的电压预存信息,同时利用故障中馈线出口处测得的零序电压和零序电流信号,提出了一种采用差分进化算法的基于阻抗模型故障特征匹配的配电网单相接地故障测距的新方法。该方法基于系统阻抗模型定义了系统故障特征适应度指标,利用枚举法确定故障分支线路,并采用差分进化算法精确定位故障位置。中石化西北油田艾丁变10 k V线路配电网仿真结果表明了所提出的配电网单相接地故障测距方法的有效性。 相似文献
10.
针对小电流接地故障选线方法进行了研究,使用人工神经网络模型实现接地故障选线。为了提高神经网络算法的性能,使用一种改进的神经网络算法,对遗传算法中的相应遗传算子以及染色体结构进行改进,通过自适应交叉变异概率的引入,从全局均衡和优化初始网络权重以及BP网络结构。使用110 k V/35 k V的配电系统作为小电流接地故障选线实例分析,对常规神经网络算法和改进神经网络算法进行对比。研究结果表明,改进神经网络算法的输出误差要低于常规神经网络算法,正确选线率要高于常规神经网络算法。 相似文献
11.
快速、可靠定位配电网单相接地故障是提高配电网供电可靠性的重要技术手段。现有单相接地故障定位技术实用效果较差,过电压时间较长导致电缆相继燃烧的情形屡见不鲜。文中首先分析行波测距技术在配电网单相接地故障定位中的适用性;然后,利用模量分析法分析配电线路单相接地故障时暂态零模和线模行波的故障特征,提出基于零模线模时差的双端行波测距算法;最后,基于配电网仿真模型,对比分析所提算法与现有算法的单相接地故障定位精度,验证所提算法的有效性和优越性。仿真结果表明,所提算法不受过渡电阻影响、无需对时同步且不受行波波头折反射影响,具有较好的工程应用前景。 相似文献
12.
13.
随着配电网中分布式光伏发电渗透率不断升高,配电网单相接地故障对设备和人身安全以及电网稳定的影响日趋严峻。但是,由于光伏短路电流受限、故障行为受控、输出特性耦合造成配电网故障过程具有多态性,可能使得中性点小电流接地配电网单相故障选线准确度进一步降低。文中提出了基于光伏自适应注入附加特征信号的配电网单相接地故障保护方法。兼顾光伏低电压穿越要求、故障识别需求和设备安全,提出了光伏自适应特征频率电流注入策略,解析了配电网中特征频率电流的分布,分析了馈线的特征频率电流的幅值特征和相位特征,提出了基于特征频率电流特征的配电网单相接地故障选线保护方法。算例表明,所提出的方法能够准确实现不同故障位置,以及不同过渡电阻下含光伏配电网单相接地故障的故障选线。 相似文献
14.
<正>在配电网小电流单相接地故障选线管理过程中,技术人员需要参照单相接地故障理论完成精细化分析,并且结合相关分析法、选线法以及小波故障选线法,完成科学有效的管理控制,结合各类波形函数以及相关矩阵分析法,提高选线管理品质。对配电网小电流单相接地故障选线的方法进行分析探讨。 相似文献
15.
分析了配电网单相接地系统的故障特征,提出了“残流法”,一种新的选线方法,可将单相接地故障准确地检测出来。通过电力系统动态模拟试验的方法加以论证,说明采用单相接地故障零序电流“残流”的幅值特征量是单相接地微机保护选线的有效判据。为配电网单相接地系统实现准确检测出故障线路提供了又一个重要依据。 相似文献
16.
17.
在配电网中广泛采用小电流接地方式,传统的单一单相接地故障选线方法适用范围有限。针对单一故障选线方法的不足,提出利用模糊神经网络对多种选线方法进行融合。采用基于小波包从零序电流中提取暂态能量分量和暂态方向分量,和基于FFT从零序电流中提取稳态基波分量和五次谐波分量作为故障选线的特征分量。设计模糊神经网络的结构并进行改进,采用BP学习算法。在Matlab7.1环境下搭建10 kV配电网模型,分别仿真不同的故障位置、故障合闸角、故障接地类型和故障线路的故障以验证理论的有效性。 相似文献
18.
基于改进模糊神经网络的配电网故障选线研究 总被引:2,自引:0,他引:2
在配电网中广泛采用小电流接地方式,传统的单一单相接地故障选线方法适用范围有限.针对单一故障选线方法的不足,提出利用模糊神经网络对多种选线方法进行融合.采用基于小波包从零序电流中提取暂态能量分量和暂态方向分量,和基于FFT从零序电流中提取稳态基波分量和五次谐波分量作为故障选线的特征分量.设计模糊神经网络的结构并进行改进,采用BP学习算法.在Matlab7.1环境下搭建10 kV配电网模型,分别仿真不同的故障位置、故障合闸角、故障接地类型和故障线路的故障以验证理论的有效性. 相似文献
19.
20.
《电力系统及其自动化学报》2015,(12)
针对配电网故障相电压过零点且高阻接地故障选线困难的问题,文中提出了应用遗传算法优化学习量量化神经网络的配电网单相接地故障选线方法。首先利用小波分析方法提取线路零序电流信号的模极大值,以此作为学习量量化神经网络的输入向量,采用局部搜索算子改进的遗传算法去优化神经网络的初始权值向量,解决了网络对初始权值的敏感性问题。加速网络的收敛过程,提高网络的聚类精度,实现对不同故障类型进行故障线路的快速、准确识别。仿真结果表明,该方法有效地减少了传统学习量量化神经网络选线的误判几率,提高了选线速度和精确度。 相似文献