基于VMD模糊熵与GG聚类的直流配电网故障检测方法

针对直流配电网存在的故障信号难以提取、不易对各类故障进行诊断等问题，提出一种基于变分模态分解(VMD)模糊熵与Gath-Geva(GG)聚类的故障检测方法。首先，提取出暂态电流，采用VMD算法将故障暂态电流分解成若干个固有模态分量(IMF)。然后，分别计算分解得到的若干个IMF的模糊熵，将其作为特征向量。最后，采用GG聚类算法对故障特征的特征向量进行聚类识别。GG聚类的主要算法为将聚类样本划分为c类，设出隶属度矩阵，通过设定迭代来计算聚类中心与最大似然估计距离，更新隶属度矩阵，当隶属度矩阵满足条件矩阵时终止迭代，从而实现对单极故障、极间故障以及区外交流侧接地故障的聚类识别。仿真结果表明，所提保护方案可靠性强、准确率高，在不同故障类型、故障位置和过渡电阻等工况下均能可靠检测直流线路故障并准确识别故障类型，且具备一定的抗干扰能力。