基于改进DNN的配电网接地故障选线方法研究

针对配电网单相接地故障特征信息不清晰且现有选线方法易受故障条件和环境噪声的影响,根据配电网暂态故障特征和稳态故障特征,提出了一种改进的深度神经网络用于故障选线。对深度学习网络的损失函数和学习率进行优化,进一步提高选线的效率和准确性。通过仿真验证了该方法的可行性。结果表明,与改进前相比,改进后的训练迭代次数由86次降低到30次,训练效率提高了65.12%,故障判断的准确率由95%提高到99%,具有较好的抗干扰能力,有一定的参考价值。     

基于模糊粗糙集和GA-BP神经网络的L配电网故障选线方法

针对BP神经网络故障选线当输入数据量大时,其结构复杂、收敛慢,并且易陷入局部最优的缺点,将模糊粗糙集和遗传算法优化神经网络的方法引入配电网单相接地故障选线中.通过MatLab仿真试验,得出大量的各线路零序电流信号,并将多种提取的特征量进行信息融合.利用粗糙集理论对条件属性进行约简,去掉冗余条件属性,将约简后的属性作为输入层的BP神经网络,然后通过遗传算法优化BP神经网络进行训练和测试.测试结果表明,该方法具有训练速度快、误判率低的优点,能够满足电力系统对选线精度和准确性的要求.     

基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法。利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线。仿真结果表明,该方法训练速度快、误判率低。     

基于GA优化BP神经网络的小电流接地故障选线方法

将GA优化BP神经网络的算法引入到小电流接地故障选线方法中。文中基于MATLAB进行仿真试验，通过小波包法、五次谐波法、基波比幅比相法及零序有功功率法等传统选线方法，将零序电流信号的各种特征量进行提取，经过故障测度函数计算得到故障测度数据，将数据分别输入到GA-BP神经网络与单一BP神经网络进行训练和测试，讨论GA-BP神经网络算法与单一BP神经网络算法选线性能的差异，输出故障选线结果并与基于各选线方法的故障测度数据进行对比。结果表明，综合多种传统选线方法的GA-BP神经网络准确率明显高于传统选线方法，且其选线速度与精度优于单一BP神经网络，能够更快速、有效地进行故障选线，满足配电网故障选线要求。     

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。     

基于模糊测度融合诊断的配电网接地故障选线

非有效接地配电网运行与故障条件复杂多变,现有配电网接地故障选线方法难以有效覆盖不同故障工况,尤其对于高阻接地与弧光接地故障,基于单一故障特征量的故障判据误判率高.该文提出一种基于模糊测度融合诊断的配电网接地故障选线新方法,借助模糊C均值聚类算法,将多种运行工况下采集的表征被保护馈线不同运行状态的历史特征样本集划分为故障...     

中性点谐振接地的配电网故障选线方法

应用在高频空间具有良好聚焦性的小波包工具,对故障后线路中的暂态零序电流进行分解,提取暂态零序电流在选定频带内的高频分量,以故障线与非故障线的零序电流高频分量之和的测度和故障线与非故障线的电流测度之和作为系统故障的特征信息,提出一种新的基于零序电流高频分量的故障选线判别方法;以自定义系统的故障特征值为主判据、故障电流高频分量为辅助判据实现故障类型的判断。通过实验仿真证明,提出的这种故障选线的判别方法有较强的抗白噪声干扰能力以及它不受系统中性点接地方式的影响,故障选线准确率更高。可适合于各种不同接地方式的配电网的单相接地故障选线。     

基于神经网络的中性点经消弧线圈接地系统故障选线方法

中性点经消弧线圈接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、5次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高.文章通过构造每种选线方法的相对故障测度函数和可确定故障测度函数来确定其故障测度函数,再利用神经网络对每种选线方法的实际故障测度进行智能融合,从而得到可靠性较高的故障选线结果.EMTP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

配电网间歇性电弧接地故障选线方法

配电网单相接地故障选线问题由来已久,现有的研究成果大多是针对单相永久性接地故障的。而在实际配电网中,不稳定电弧和间歇性电弧接地等非永久性接地故障也极易发生,且难于选线。发生非稳定电弧接地故障时会带来大量的高频分量,本文提出一种自适应陷波滤波器算法,用来提取线路谐波电流的5次谐波。该方法通过调节自身参数来自动跟踪信号的变化,从而实现了对5次谐波信号实时、准确的提取。仿真结果表明,该选线方法在发生非永久性接地故障时能正确地选出故障线路,其原理简单、可靠。     

基于最大模极大值的配电网接地故障选线新思路

单相接地故障在配电网中发生的比较频繁,针对配电网单相接地故障选线的研究现状,应用小波变换中信号奇异性检测的理论对故障后的暂态电流进行分析,提出基于最大模极大值比值的单相接地故障选线的思想。该方法能适应配电网中的不同故障模式,选线准确性高。仿真验证了该思想的可行性。     

基于粗集神经网络的配电网故障选线研究

为了克服基于神经网络的故障选线方法训练时间长和网络结构复杂的缺点,提出了基于粗集神经网络的故障选线方法.利用ATP-EMTP做大量的单相接地故障仿真试验,得到大量的各馈线零序电流信号,通过小波变换和傅立叶变换从中提取各种暂态和稳态故障特征.利用粗集理论对故障特征进行预处理,将约简后的故障特征作为神经网络的输入,约简后的样本作为训练样本.完成训练的神经网络模型即可实现故障选线.仿真和现场验证结果表明,该方法训练速度快、误判率低.     

基于相电流离散度分析的配电网接地故障选线方法

针对配电网在发生单相接地故障时电力调度员缺乏研判信息和故障处理效率不高的现状,提出了基于相电流离散度分析的故障选线方法.对故障前后线路的相电流特征进行理论分析,采用改进的离散度计算方法,并考虑实际操作过程中的容错性和统一性,将不同中性点接地方式的选线流程进行融合,利用最大离散度差值法实现故障选线.使用SCADA系统中的故障实例数据验证和ATP-EMTP故障模型仿真,结果表明:该方法能够有效提升故障选线效率,提高配电网供电可靠性指标,具有实际的工程应用价值.     

应用证据理论实现配电网单相接地故障选线保护

提出了一种利用多重故障信息融合选线方法。为实现这一目的，提出了故障测度概念，用来定量评价各线路可能是故障线路的程度。运用D-S证据理论实现了多判据信息融合，将多判据选线问题转化为证据推理问题，使选线结果聚焦到各个判据的共同支持点上，选线性能得到极大提高。现场实测故障算例证实了文中方法的正确性。     

基于遗传算法的配电网故障定位

将一个多变量等式约束条件隐含于开关函数中,基于遗传算法建立了改进的配电网故障定位数学模型。根据故障诊断理论中最小集的概念建立了环网开环运行配电网的故障定位统一数学模型,并运用广义分级的处理思想提高了运用该模型进行配电网故障定位时的效率。仿真实验验证了上述模型的正确性和有效性及该故障定位算法在配电网故障定位中的准确性和高容错性。     

基于模糊PSO-BP神经网络的配电网故障选线方法

将模糊粒子群优化BP神经网络的方法引入配电网单相接地故障选线中.通过matlab仿真试验,得出各线路的零序电流信号,并将多种提取的特征量进行信息融合.利用模糊粒子群优化BP神经网络进行故障选线.测试结果表明,与传统模糊BP神经网络选线方法相比,该方法具有训练速度快、误判率低的优点,能够满足电力系统对精度和准确性的要求.     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法.利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线.ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法.利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入.利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线.仿真结果表明,该方法训练速度快、误判率低.     

一种改进的配电网故障选线方法研究

中性点经消弧线圈接地方式电网发生单相接地故障时,故障点电容电流比较小,故障线路和健全线路零序电流大小和方向变得接近,且接地点电弧不稳定,增加了选线的难度。利用单相接地故障时阻性分量消耗的能量特征,提出利用能量差值最小值原理构成选线判据,给出可能接地故障线路的排序。配合母线绝缘监视装置和重合闸,将人工拉路选线思想与新方法结合提高了选线精度。仿真结果表明,该方法有效地克服了故障电流和接地电阻小等因素对选线精度的影响。     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法。利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线。ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性。