基于正序电流差的同塔双回T型输电线路故障测距新算法

利用双回线路正序网络提出一种基于正序电流差的同塔双回T型输电线路故障测距新算法。算法根据测距函数在各支路首末两端的相位差大小判断故障分支,进而利用双回线路正序测距方程推算得到的故障距离表达式在故障支路上进行精确测距。该算法无需判断故障类型,在T节点附近发生高阻抗短路时故障支路判别无死区,测距过程无需迭代搜索和伪根识别,计算量小,易于编程实现。理论分析和仿真测试表明,新算法不受分布电容、故障位置、过渡电阻、负荷电流以及T接位置等因素的影响,对线性电阻故障和电弧型故障均具有良好的适用性,满足工程对测距精度的要求。     

精确双端故障测距新算法

提出一种利用线路双端故障数据进行精确故障定位的新算法。新算法利用了故障后线路两端的电压电流相量，考虑了双端采样数据的非同步问题，通过采用分布参数模型，精确考虑了分布电容对测距算法的影响，从而大大提高了测距算法的精确度。     

中性点非直接接地系统的单相接地故障测距新算法

提出一种利用输电线路单端电压及电流的测量值来进行精确故障定位的新算法,该算法通过采用线路的分布参数模型,精确考虑了分布电容对测距算法的影响,从而大大提高测距算法的精确度。该算法通过ＥＭＴＰ仿真验证,证明有很高的精确度。     

利用正序故障分量的双端量精确故障测距算法

为消除负荷电流和线路模型不准确给双端量故障测距带来的影响 ,本文提出一种基于分布参数线路模型的精确测距算法。算法以均匀传输线的波动方程 (长线方程 )为基础 ,利用线路两端电压、电流的正序故障分量以及线路正序参数直接计算故障距离。算法无需故障类型判别 ,不受系统阻抗、故障电阻、负荷电流以及分布电容的影响。基于EMTP的数字仿真结果验证了该算法的正确性和高精度     

基于分布参数线路模型的精确故障测距算法

为消除负荷电流和线路模型不准确给双端量故障测距带来的影响,提出一种基于分布参数线路模型的精确测距算法。算法以均匀传输线的波动方程(长线方程)为基础,利用线路两端电压、电流的正序故障分量以及线路正序参数直接计算故障距离。算法无需故障类型判别,不受系统阻抗、故障电阻、负荷电流以及分布电容的影响。基于EMTP的数字仿真结果验证了该算法的正确性和高精度。     

基于分布参数模型的牵引网故障测距新算法

简单、快速、准确的故障测距是电气化铁道牵引网急需解决的问题,为此,提出一种利用线路单端电压及电流的测量值来进行精确故障定位的新算法,该算法采用分布参数模型,精确考虑了分布电容对测距算法的影响,大大提高了测距算法的精确度.针对牵引网供电臂距离较短的特点,对故障距离函数进行线性化处理,在保证精度的同时,提高了算法的简洁和快速性.通过电磁暂态仿真引擎(EMTDC)仿真验证,该算法基本不受过渡电阻、故障发生角等因素的影响,测距结果准确且鲁棒性强.     

基于分布参数线路模型的精确故障测距算法

为消除负荷电流和线路模型不准确给双端量故障测距带来的影响,提出一种基于分布参数线路模型的精确测距算法.算法以均匀传输线的波动方程(长线方程)为基础,利用线路两端电压、电流的正序故障分量以及线路正序参数直接计算故障距离.算法无需故障类型判别,不受系统阻抗、故障电阻、负荷电流以及分布电容的影响.基于EMTP的数字仿真结果验证了该算法的正确性和高精度.     

基于故障电压序分量的超高压线路T接测距新算法

提出了一种基于集中参数线路模型的高压/超高压T接线路测距新算法.该算法在考虑线路分布电容的前提下,仅采用故障电压序分量进行故障测距,具有不受故障后电流互感器饱和影响的优点.对于对称类故障,用电压正序故障分量进行测距;对于非对称类故障,用电压负序故障分量进行测距.对该算法分别就单回线一单回线T接线路、单回线一双回线T接线路、双回线-双回线T接线路接线方式下测距做了详细讨论,并提出了新的故障分支判据,依次计算每个分支的故障距离,比较后即可准确判断故障分支.ATP仿真验证表明,对于三端同步及不同步采样电压量数据,测距精度都在1%以内.     

输电线路加权数据融合故障测距算法研究

高压输电线路故障测距具有多种不同的方法,如基于稳态量的单、双端测距和基于行波信号的单、双端测距等。由于电力系统存在许多不确定性因素及干扰,单一测距方法都有其固有的局限性。将多传感器数据融合技术引入电力系统故障测距,充分利用多测距源提供的冗余信息,提出自适应加权数据融合测距算法。该算法利用先验知识或仿真数据获取各单一测距算法在不同工况下的加权系数,然后对单一算法的测距结果进行加权融合,最终获得可靠精确的测距结果。应用PSCAD/EMTDC建立500 kV输电系统模型,通过模拟不同故障情况对算法进行了仿真验证。仿真结果表明,融合测距算法基本不受过渡电阻、故障位置、故障类型、分布电容等因素的影响,具有良好的可靠性、精确性和鲁棒性。     

基于双端电气量的串补线路故障测距新算法

目前带串补装置的高压线路进行双端测距时需要进行真伪根判断,对此提出了一种基于双端电气量的串补线路故障测距新算法。分别建立串补电容两侧的线路故障模型,在发生故障后,首先识别2个模型的参数,然后计算2个模型的误差来判断故障点相对串补电容的位置,再利用相应模型的参数进行故障测距。该算法不需判断真伪根,有利于快速准确地定位故障。EMTP仿真结果显示,所提算法不受金属氧化物压敏电阻(MOV)、系统阻抗、故障类型和故障位置的影响,测距误差都在0.6%以内。     

基于神经网络建模的零序直流原理测距研究

针对电力电缆铺设隐蔽,发生故障时不易准确定位故障点的问题,研究了零序直流保护原理和人工神经网络技术在小电流接地系统单相接地故障测距中的应用。利用直流信号不受电网电容影响的特性,建立检测源与接地网电路模型。根据电路模型,建立其数学模型,由于模型中的一些参数复杂,则考虑采用神经网络对其未知量进行辨识,并将辨识好的数学模型应用于故障测距中。根据实验数据,对两种模型进行分析,结果表明利用神经网络辨识参数的方法能够准确、可靠地实现故障测距。     

电流互感器饱和影响测距精度的一种解决方法

电流互感器(TA)饱和会给基于工频电气量的输电线路故障测距精度带来很大的误差。文中利用MATLAB程序，设计了一个前向BP网络，利用BP网络来对TA饱和电流进行矫正补偿，然后再进行故障测距。EMTP仿真的结果表明，对TA饱和电流进行补偿矫正后，明显地改进了故障测距的精度。     

A single ended directional fault section identifier and fault locator for double circuit transmission lines using combined wavelet and ANN approach

Fault section identification and determining its location are important aspects to reduce down/repair time, speed up restoration of power supply and to improve the reliability. In this paper combined wavelet and artificial neural network based directional protection scheme is proposed for double circuit transmission lines using single end data to identify the faulty section and its location with reach setting up to 99% of line length. The proposed method requires the three phase currents and voltage to be measured at one end of the double circuit transmission line modelled using distributed parameter line model which also considers the effect of shunt capacitance. Approximate coefficients feature vector of the three phase voltage and current are extracted using discrete wavelet transform to train the ANN with Levenberg Marquardt algorithm. The proposed scheme involves two stages. The first stage identifies the zone/section of the fault and the second stage calculates the fault location from the relaying point. The proposed combined Wavelet and ANN based fault location scheme is also compared with ANFIS based fault location scheme. The test results of the proposed scheme show that the fault section identification and location estimation is very accurate and the average percentage error in fault location estimation is within 0.001%. This method is adaptive to the variation of fault type (both forward and reverse), fault inception angle, fault location and fault resistance. The main advantage of the proposed scheme is that it offers primary protection to 99% of line length using single end data only and also backup protection to the adjacent forward and reverse line sections.     

利用DGA-NN诊断油浸式电力变压器故障

人工神经网络以其良好的非线性映射能力广泛应用于电力变压器故障诊断。为研究反向传播神经网络(BPNN)和概率神经网络(PNN)的学习过程、网络参数选择等问题,利用Matlab的神经网络工具箱结合油中溶解气体建立了BPNN和PNN的故障诊断模型,并对其性能做了分析和对比。结果表明,两种网络均能较好地实现变压器故障的实时诊断。因初始化权值的随机性,BPNN的输出结果具有差异性,收敛速度较慢,而PNN网络结构自适应确定,可以随时添加训练样本,且训练速度较快,适合于实现变压器故障的实时诊断。相同条件下,PNN的收敛速度约为BPNN的5倍。     

Hybrid classifier for fault location in active distribution networks

This paper presents a fast hybrid fault location method for active distribution networks with distributed generation (DG) and microgrids. The method uses the voltage and current data from the measurement points at the main substation, and the connection points of DG and microgrids. The data is used in a single feedforward artificial neural network (ANN) to estimate the distances to fault from all the measuring points. A k-nearest neighbors (KNN) classifier then interprets the ANN outputs and estimates a single fault location. Simulation results validate the accuracy of the fault location method under different fault conditions including fault types, fault points, and fault resistances. The performance is also validated for non-synchronized measurements and measurement errors.     

遗传神经网络的瞬变电磁视电阻率求解算法

提出用遗传神经网络求解中心回线装置下瞬变电磁法(TEM)的视电阻率。根据中心回线方式的瞬变电磁响应关系式,设计出神经网络的输入输出关系和单输入单输出的三层网络结构。计算出神经网络的输入输出样本集,并通过尝试法确定隐含层的神经元个数。引入遗传算法优化神经网络结构的连接权值,得到了最优连接权值的GABP神经网络。用该神经网络对瞬变电磁响应的非线性方程进行拟合,得到以实测数据计算的核函数值所一一对应的瞬变场参数值,达到求视电阻率并成像的目的。通过对地下高阻块状异常体模型和电力系统钢制扁钢材料的接地网模型两个实例模型的仿真计算证明,得到视电阻率断面图,达到了求解反问题的效果。理论模型与实际数据计算表明,遗传优化的BP神经网络使得瞬变电磁视电阻率的计算时间大大缩短,是个实用的算法。该方法为瞬变电磁接地网故障实时诊断平台提供必要的技术基础。     

基于人工神经网络的距离保护

提出一种基于人工神经元网络的距离保护新原理,利用电磁暂态仿真程序（ＡＴＰ）进行大量的仿真计算,证明了所提方法的优越性,对于线路全长的８５％以内的故障,保护所需的数据窗长为２２ｍｓ,动作时间不大于２６ｍｓ,对于线路全长的７０％以内的故障,数据窗长为１２ｍｓ,动作时间不大于１６ｍｓ。     

发电机励磁控制系统故障诊断的神经网络模型

鉴于发电机励磁控制系统是电网进行无功和电压调节的关键控制设备,为确保发电机安全运行,采用先进的人工神经网络的理论和方法完成了励磁系统故障诊断,并建立了一种新型的励磁系统故障诊断4层(含输入层)神经网络模型。采用神经网络方法对励磁系统进行故障诊断的关键在于网络的学习,网络学习又依赖于正确的输入输出样本。因此还收集了一定数量的励磁系统现场运行故障实例和大量的专家知识样本,对于正确调整神经网络中的各参数具有重要的实用价值。     

计及FTU漏报和误报的配电网故障定位分层解析模型

为了提高配电网故障定位在大面积通信故障下的容错性,以现有的配电网故障定位模型为基础,通过系统地计及馈线终端设备(FTU)漏报和误报,建立了配电网故障定位解析模型。为了提高模型的可行性,以故障矛盾假说为约束条件,将目标函数变量维度减小到3倍的节点数量;在分析配电网拓扑结构和工程设备配置的基础上,通过构建分层故障定位模型,进一步减小变量维度。此外,分层解析模型能够利用第2层的定位结果对第1层的定位结果进行校验,使故障定位更加精确。算例分析结果表明,计及FTU漏报和误报的分层解析模型不仅能够大幅地提高配电网故障定位的准确率和容错性,还能同步获取FTU漏报和误报的告警信息。     

An alternative approach to fault location on power distribution feeders with embedded remote-end power generation using artificial neural networks

In this paper, the design and implementation of a feed-forward artificial neural network (ANN)-based fault locator to classify and locate shunt faults on primary overhead power distribution lines with load taps and embedded remote-end power generation is presented. In the ANN algorithm, the standard back-propagation technique with a sigmoid activation function is used. The fault locator utilizes fault voltage and current samples obtained at a single location of a typical radial distribution system. The ANNs are trained with data under a wide variety of fault conditions and used for the fault type classification and fault location on the distribution line. A 34.5?kV distribution system is simulated using electro-magnetic transients program and their results are used to train and test the ANNs. The ANN-based fault locator gives high accuracy for the vast majority of the practically encountered systems and fault conditions, including the presence of load taps and the remote-end in-feed source.