專利名稱：一種輸電線路單端行波故障測距智能方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電力系統(tǒng)高壓輸電線路繼電保護技術(shù)領(lǐng)域，具體地說是一種輸電線路 單端行波故障測距智能方法。
背景技術(shù)：
隨著我國各大電力系統(tǒng)的容量和電網(wǎng)區(qū)域不斷擴大，電網(wǎng)運行管理也更加復(fù)雜， 電力系統(tǒng)的安全穩(wěn)定問題日益突出。線路故障后迅速、準(zhǔn)確地判斷出故障位置，不僅可以減 輕巡線負(fù)擔(dān)，及時修復(fù)線路，保證可靠供電，而且可以減少因停電造成的綜合經(jīng)濟損失。因 此快速、準(zhǔn)確的故障測距對電力系統(tǒng)安全穩(wěn)定和經(jīng)濟運行具有十分重要的意義。輸電線路行波故障測距包括單端法和雙端法，單端故障測距法較之雙端法不需通 信通道和信號同步，從而降低了成本和提高了可靠性，故單端法行波故障測距的研究具有 很強的現(xiàn)實意義。單端法行波測距的關(guān)鍵是如何區(qū)分第二個行波究竟是故障點反射的行波、對端母 線反射的行波還是其它健全線路的反射波。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種輸電線路單端行波故障測距智能方法，將輸電線路故障 行波作為神經(jīng)網(wǎng)絡(luò)樣本屬性，采用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障線路測距。本發(fā)明的技術(shù)方案為首先，對各種故障條件仿真建立神經(jīng)網(wǎng)絡(luò)樣本；其次，對得 到的樣本數(shù)據(jù)進行離散小波變換，取電流行波線模分量的前三個波頭和時差作為神經(jīng)網(wǎng)絡(luò) 樣本屬性；然后對神經(jīng)網(wǎng)絡(luò)訓(xùn)練、測試建立測距神經(jīng)網(wǎng)絡(luò)模型，利用該模型可以實現(xiàn)故障距 離的初測；再次，利用初測結(jié)果判斷故障發(fā)生在保護線路全長的前半段或后半段，若故障發(fā)
生在前半段則利用式//，式中If為故障距離；ν為線模行波波速；Δ t為故障點反射
波和初始行波的時間差，對神經(jīng)網(wǎng)絡(luò)屬性中的2個時間差分別計算故障距離，將得到的2個 故障距離與神經(jīng)網(wǎng)絡(luò)輸出的故障距離取絕對差值，絕對差值最小的計算距離判定為故障距
離。若神經(jīng)網(wǎng)絡(luò)預(yù)測的故障距離在保護線路后半段，則利用式// 二，式中If為故障
距離；ν為線模行波波速；At為對端母線反射波和初始行波的時間差，對神經(jīng)網(wǎng)絡(luò)屬性中 的2個時間差分別計算故障距離，將得到的2個故障距離與神經(jīng)網(wǎng)絡(luò)輸出的故障距離取絕 對差值，絕對差值最小的計算距離判定為故障距離。理論分析和仿真驗證結(jié)果表明，本發(fā)明 有效。具體步驟如下(1)建立輸電線路仿真模型，其采樣頻率為1MHz，對單相接地時各種故障條件仿 真建立神經(jīng)網(wǎng)絡(luò)輸入樣本①沿線路全程選取故障點，故障距離變化步長為Ikm ；②故障過渡電阻分別取20 Ω、100 Ω ；
③故障合閘角分別取-70°、0°、70° ；取不同故障條件下的電流經(jīng)組合后形成測距神經(jīng)網(wǎng)絡(luò)的樣本數(shù)組共600個；(2)對步驟(1)中得到的樣本數(shù)據(jù)根據(jù)下式進行離散小波變換，
Wf(j,d)=(f(t),^.d(t))式中Wf (j，d)為離散小波變換函數(shù)；f (t)為要小波變換的函數(shù)；釣,d(t)為離散小 波；(3)選取小波變換后得到的前三個波頭的極性和時差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；(4)輸電線路故障測距模型的輸出矢量設(shè)置為故障點距離母線檢測點相對于故障 線路總長度的百分比，使輸出矢量值范圍在W，l]之間；(5)選用三層BP神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為5X12X1，第一層為輸入層，選取 保護安裝處檢測到的前三個波頭的極性和時差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；第二層為隱含層， 節(jié)點個數(shù)為12，傳遞函數(shù)為tansigmoid;第三層為輸出層，傳遞函數(shù)為logsigmoid，訓(xùn)練算 法選用自適應(yīng)學(xué)習(xí)速度算法，最大訓(xùn)練次數(shù)選為10000次，目標(biāo)函數(shù)誤差設(shè)定為le_5 ；(6)取總樣本的80%作為訓(xùn)練樣本，剩余的作為驗證樣本，首先輸入已隨機劃分 好的480個訓(xùn)練樣本的輸入矢量P及其對應(yīng)的輸出矢量T，其中P為480X 5維矩陣，T為 480X1維矩陣；(7)將隨機選取的480個訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，取120個驗證樣本對訓(xùn) 練好的神經(jīng)網(wǎng)絡(luò)進行驗證，得到故障測距網(wǎng)絡(luò)；(8)將故障數(shù)據(jù)輸入故障測距網(wǎng)絡(luò)就可以實現(xiàn)對故障位置的初測；(9)利用初測結(jié)果判斷故障發(fā)生在保護線路全長的前半段或后半段，再利用單端
測距公式// =卩Δ訪口/, = L-^vAi2，式中If為故障距離；ν為線模行波波速；Δ tl為故障點反
射波和初始行波的時間差；為對端母線反射波和初始行波的時間差，對神經(jīng)網(wǎng)絡(luò)屬性 中的兩個時間差分別計算故障距離，將得到的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測的故障距離取絕對 差值，絕對差值最小的計算距離判定為故障距離。工作原理1、行波信號的小波變換(1)小波變換理論基礎(chǔ)設(shè)為一平方可積函數(shù)，若其傅里葉變換ψ (ω)滿足可容許性條件，即 r 丨 I2 j-^iy < CO
h ω (1)式中，t為時間，ω為頻譜，則稱滿足可容許性條件的函數(shù)為一個基本小波，或者小波母函數(shù)；將小波母函數(shù)p(t)進行伸縮和平移，可以得到連續(xù)小波基函數(shù)隊,b(t):
」 t - b代b(t)= a V-) a > 0，b e R (2)
d'a式中a是伸縮因子，或稱為尺度因子；b是平移因子；一1^)是經(jīng)伸縮和平移后
4的小波母函數(shù)。對于任意的函數(shù)f(t)的連續(xù)小波變換為
ff(.(b,a)=(f(t),^b(t)) = |a|-I rf(t)^(^)dtο)式中Wf (b，a)為小波變換函數(shù)，樹ilt)表示樹的共軛。
aa由連續(xù)小波變換的概念可知，連續(xù)小波變換中的尺度因子a和平移因子b是連續(xù) 的變量。在實際應(yīng)用中，通常將外,b (t)中的連續(xù)變量a和b取做整數(shù)離散形式，將h (t)表
示為
^d(t)=2"J/V2jt-d)(4)相應(yīng)的函數(shù)f(t)的離散小波變換函數(shù)Wf (j，d)，可表示為
Wr(j,d)=(f(t)， (t))(5)由于該離散小波扎d(t)是由小波函數(shù)識⑴經(jīng)2j整數(shù)倍放、縮和經(jīng)整數(shù)平移因子d 平移所生成的函數(shù)族W^(t)}，j為倍數(shù)因子，j，d e Ζ。因此，該離散后的小波序列一般稱 為離散二進小波序列。(2)信號的小波消噪預(yù)處理小波分解具有自適應(yīng)的時-頻局部化功能，在信號的突變部分，某些小波分量表 現(xiàn)幅度大，與噪聲在高頻部分的均勻表現(xiàn)正好形成明顯的對比，因此小波分解能有效地區(qū) 分信號中的突變部分和噪聲，達到消噪預(yù)處理的效果。利用小波分析進行消噪，目前常用的有兩種方法第一種是強制消噪處理方法，第 二種是門限消噪處理方法。門限消噪處理方法要根據(jù)經(jīng)驗或某種依據(jù)設(shè)定閥值，對信號小 波分解中的最高頻系數(shù)用閥值處理，即大于閥值的部分保留，低于閥值的系數(shù)變?yōu)?值，這 符合噪聲在高頻部分均勻密集的特點。該方法通常考慮3個簡單的閥值處理法硬閥值處 理，軟閥值處理，百分閥值處理。為了取得較理想的消噪效果，本發(fā)明采用軟閥值消噪方法。軟閥值函數(shù)是把信號的絕對值與閥值進行比較，小于或等于閥值變?yōu)?，大于閥值 的點變?yōu)樵擖c值與閥值的差值。軟閥值函數(shù)可由下式表示
_Jsgn(x)f(|x 卜義)，|—>義時
y=|o,叫時(6)式中，λ是閥值，χ為信號值，Sgn(X)為χ的符號函數(shù)，f(|x卜λ)為取信號的絕 對值與閥值的差值函數(shù)。(3)信號的小波變換模極大值設(shè)\^_￡(幻是函數(shù)￡00的小波函數(shù)，在尺度2j下，在某采樣點Xn的某一鄰域內(nèi)，對 一切X有I W^f(X)N w(f(x )|，則稱Xn為小波變換的模極大值點，w〗_f(x )為小波變換的模極大值。
5
2、故障測距神經(jīng)網(wǎng)絡(luò)樣本屬性的選取建立如圖1的輸電線路仿真模型。在輸電線路發(fā)生故障時，故障產(chǎn)生的電流行波 會在故障點及母線之間來回反射，裝設(shè)于母線處的測距裝置接入來自電流互感器二次側(cè)的 暫態(tài)行波信號，由于母線波阻抗一般低于線路波阻抗，電流行波在母線與故障點都是產(chǎn)生 正反射，故故障點反射波與故障初始行波同極性，而故障初始行波脈沖與由故障點反射回 來的行波脈沖之間的時間差A(yù)t對應(yīng)行波在母線與故障點之間往返一趟的時間，可以用來 計算故障距離。單端測距算法原理如圖2所示。設(shè)故障線路長度為L，波速度為V，故障初始行波與由故障點反射波到達母線的時 間分別為tsl和ts2，Δ t為tsl和ts2的差值，則故障距離Xm為 如果發(fā)生的是遠端故障，則來自線路方向的第二個行波波頭是來自故障線路對端 的反射波，計算出故障距離Xm為 tsl和t' s2分別是故障點起始行波和對端線路反射波到達母線的時間，At'為 tsl和t' 32的差值。單端測距的難點是區(qū)分保護安裝處檢測到的第二個行波是健全線路反射波、故障 點反射波還是對端母線反射波，本發(fā)明討論不同母線結(jié)構(gòu)時母線處檢測到的各個行波波頭 極性間的關(guān)系。輸電線路發(fā)生故障，當(dāng)電流行波到達母線時，其將發(fā)生折反射，反射系數(shù)α如公 式(9)所示·
其中，Z1為入射線路波阻抗；Ζ2為透射線路波阻抗。由于母線上通常接有變壓器和其他輸電線路等電力設(shè)備，變壓器的波阻抗遠大于 輸電線路波阻抗，所以認(rèn)為變壓器支路在行波分析中等效為開路。這樣，母線處的反射系數(shù) 可簡化為母線上總出線數(shù)N的函數(shù)，如公式(10)所示。
由公式(10)可見當(dāng)母線出現(xiàn)數(shù)不同時，反射行波的極性也不同。當(dāng)N = 1，即母 線上只有一回出線時，α >0，反射行波極性與初始行波極性相同；當(dāng)N = 2，即母線上為一 進一出兩回出線時，α =0，反射行波不存在；當(dāng)Ν>3，即母線上有三回或三回以上出線 時，α <0，反射行波極性與初始行波極性相反。由單端行波測距原理知，測距需要初始行波和故障點反射波或者對端母線反射波 的時刻，由反射系數(shù)知行波的極性是行波屬性的標(biāo)識。因此取后2個波頭與首波頭的時間 差及其波頭極性作為神經(jīng)網(wǎng)絡(luò)樣本屬性。3、故障測距神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的傳遞函數(shù)是S型函數(shù)，輸出 量為0到1之間的連續(xù)量，它可以實現(xiàn)從輸入到輸出的任意非線性映射。由于權(quán)值的調(diào)整 采用反向傳播學(xué)習(xí)算法，因此也常稱其為BP網(wǎng)絡(luò)，其算法的流程如圖3。應(yīng)用BP網(wǎng)絡(luò)進行 故障測距，其具體的訓(xùn)練過程如下(1)建立如圖1的輸電線路仿真模型，設(shè)該模型的采樣頻率為1MHz。對以下各種 故障條件仿真建立神經(jīng)網(wǎng)絡(luò)輸入樣本①沿線路麗全程選取故障點，故障距離變化步長為Ikm ；②故障過渡電阻分別取20 Ω、100 Ω ；③故障合閘角分別取-70°、0°、70°取不同故障條件下的電流經(jīng)組合后形成測距神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù)組共600 個。(2)對步驟(1)中得到的樣本數(shù)據(jù)進行小波變換，實現(xiàn)信號消噪，并取信號模極大值。①信號的小波分解。選擇三次B樣條小波基函數(shù)并確定分解的層數(shù)為3層，然后 利用公式(5)進行小波分解。②小波分解高頻系數(shù)的閥值量化。對各個分解尺度下的高頻系數(shù)選擇一個閥值進 行閥值量化處理。根據(jù)公式(11)選擇閾值入λ = ^ Μ )(11)式中η為采樣點個數(shù)。由公式(7)和公式(8)知，單端行波測距，需要初始行波和故障點反射波或者對端 母線反射波的時刻，由公式(10)知行波的極性是行波屬性的標(biāo)識。因此取小波變換后的前 三個波頭到達的時刻及其極性。將后2個波頭與首波頭的時間差及其波頭極性作為神經(jīng)網(wǎng) 絡(luò)樣本屬性，由此可以得到輸入層的節(jié)點數(shù)為5。(3)輸電線路故障測距網(wǎng)路的輸出矢量為故障點距離母線檢測點相對于故障線路 總長度的百分比，使輸出矢量值范圍在W，l]之間，從而加速神經(jīng)網(wǎng)絡(luò)收斂。(4)神經(jīng)網(wǎng)絡(luò)需要將數(shù)據(jù)劃分為訓(xùn)練樣本和驗證樣本兩部分，取總樣本的80%作 為訓(xùn)練樣本，剩余的作為驗證樣本。首先輸入已隨機劃分好的480個訓(xùn)練樣本的數(shù)據(jù)及其 輸出矢量，即兩個矩陣P和T，P為480X5維訓(xùn)練樣本輸入數(shù)據(jù)矩陣，T為480 X 1維訓(xùn)練樣 本輸出數(shù)據(jù)矩陣。在數(shù)據(jù)輸入之后，需要對矩陣P進行歸一化的數(shù)據(jù)預(yù)處理，以方便后續(xù)計 笪弁。MATLAB中數(shù)據(jù)預(yù)處理的歸一化命令格式為[pn，ps] = mapminmax (p，0，1)[tn，ts] = mapminmax(t，0，1)其中，pn為歸一化處理后的輸入樣本數(shù)據(jù)矩陣，其取值范圍是
，ps為歸一化 的規(guī)則。tn為歸一化處理后的輸入樣本數(shù)據(jù)矩陣，其取值范圍是W，l]，ts為歸一化的規(guī) 則。(5)神經(jīng)元的傳遞函數(shù)反映了神經(jīng)元輸出與其啟動狀態(tài)之間的關(guān)系，本發(fā)明隱含 層和輸出層的傳遞函數(shù)分別為Iogsig函數(shù)，即對數(shù)sigmoid傳遞函數(shù)，以及purelin函數(shù)， 即純線性傳遞函數(shù)。BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值的調(diào)節(jié)規(guī)則采用的是誤差反向傳播算法，通常具有收斂速度慢、易陷入局部極小值等缺點。因此，本方法采用matlab神經(jīng)網(wǎng)絡(luò)工具箱 提供的trainlm快速學(xué)習(xí)算法，來保證較好的收斂性和穩(wěn)定性。(6)利用MATLAB中的newff函數(shù)生成BP網(wǎng)絡(luò)，其格式為net = newff (minmax(pn), [12 1]，{' tansig' ' logsig' }，‘ trainlm')minmax (pn)表示輸入矩陣中每維輸入的最小值和最大值之間的范圍；[121]表示 隱含層節(jié)點數(shù)為12，輸出層節(jié)點數(shù)為1 ;{' tansig' ‘ Iogsig' }表示隱含層的傳遞函數(shù) 為tansig，輸出層的傳遞函數(shù)為Iogsig ； ‘ trainlm'表示訓(xùn)練函數(shù)為trainlm。(7)在該網(wǎng)絡(luò)進行訓(xùn)練之前，需要對一些參數(shù)進行定義，并對神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾 值進行隨機初始化，以期尋找最優(yōu)隨機權(quán)值和閾值矩陣。MATLAB中BP神經(jīng)網(wǎng)絡(luò)參數(shù)的設(shè)置 如下BP神經(jīng)網(wǎng)絡(luò)的最大訓(xùn)練次數(shù)為10000次；BP神經(jīng)網(wǎng)絡(luò)誤差性能目標(biāo)為le_5 ；BP神經(jīng)網(wǎng)絡(luò)兩次顯示之間的訓(xùn)練次數(shù)為50。(8)參數(shù)設(shè)置之后，將隨機選取的480個輸入變量樣本代入神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練、驗 證，得到故障測距網(wǎng)絡(luò)。(9)利用神經(jīng)網(wǎng)絡(luò)初測結(jié)果判斷故障發(fā)生在保護線路全長的前半段或后半段，再 利用單端測距公式(7)或(8)對神經(jīng)網(wǎng)絡(luò)屬性中的兩個時間差分別計算故障距離，將得到 的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測的故障距離取絕對差值，絕對差值最小的計算距離判定為故障 距離。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點1)、利用人工神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近擬合能力，消除了健全線路反射波對測 距結(jié)果的影響；2)、本發(fā)明解決了單端行波法中識別故障點反射波和對端母線反射波的難題。3)、本發(fā)明的測距結(jié)果不受故障類型、故障過渡電阻、故障合閘角的影響；4)、利用小波變換處理行波信號，有效的提取到輸電線路故障行波特征并消除行 波色散對定位精度的影響；


圖1為輸電系統(tǒng)結(jié)構(gòu)圖。圖中M表示M端母線，N表示N端母線，F(xiàn)為線路故障點。圖2為單端測距原理圖。圖中tsl為故障初始行波到達母線M的時間，ts2為故障 點反射波到達母線M的時間，t' s2為對端線路反射波到達母線M的時間。圖3為BP網(wǎng)絡(luò)算法流程圖。圖4為A相接地暫態(tài)電流行波及其小波變換結(jié)果。圖中I/kA為電流/千安；t/ μ s為時間/微秒。圖中(a)為暫態(tài)電流故障行波；(b)為小波變換結(jié)果。
具體實施例方式輸電線路仿真模型如圖1所示。線路近端，離保護安裝處35km處，發(fā)生A相接地 故障，故障過渡電阻為50 Ω，故障角為30°。(1)輸電線路發(fā)生故障，保護安裝處檢測到電流行波。對該電流行波小波變換，電流行波波形及其小波變換如圖4所示。(2)取保護安裝處檢測到后2個波頭與首波頭的時間差及其波頭極性作為神經(jīng)網(wǎng) 絡(luò)樣本屬性[2. 04XlCT4 2. 35 X IO"4 1-1 1] (3)對該屬性進行歸一化處理，將處理后的數(shù)據(jù)放入訓(xùn)練好的網(wǎng)絡(luò)中計算就可以 得到實現(xiàn)對故障位置的初測結(jié)果為0. 3524即初測的故障距離為35. 24km。(5)由神經(jīng)網(wǎng)絡(luò)的初測結(jié)果知，故障發(fā)生在保護線路的前半段，利用單端測距公式 (7)對神經(jīng)網(wǎng)絡(luò)屬性中的兩個時間差分別計算故障距離，第一個時間差對應(yīng)的故障距離為 30. 396km，第二個時間差對應(yīng)的故障距離為35. 015km。將計算的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測 的故障距離取絕對差值，第二個時間差對應(yīng)的故障距離與神經(jīng)網(wǎng)絡(luò)的初測結(jié)果絕對差值最 小的，因此可以判斷出第二個行波波頭為母線上健全線路反射波，第三個波頭為故障點反 射波。由故障點反射波與初始行波時間差就可以得到精確的故障距離35. 015km。
權(quán)利要求
一種輸電線路單端行波故障測距智能方法，其特征在于按以下步驟進行(1)建立輸電線路仿真模型，其采樣頻率為1MHz，對單相接地時各種故障條件仿真建立神經(jīng)網(wǎng)絡(luò)輸入樣本①沿線路全程選取故障點，故障距離變化步長為1km；②故障過渡電阻分別取20Ω、100Ω；③故障合閘角分別取 70°、0°、70°；取不同故障條件下的電流經(jīng)組合后形成測距神經(jīng)網(wǎng)絡(luò)的樣本數(shù)組共600個；(2)對步驟(1)中得到的樣本數(shù)據(jù)根據(jù)下式進行離散小波變換，式中Wf(j，d)為離散小波變換函數(shù)；f(t)為要小波變換的函數(shù)；為離散小波；(3)選取小波變換后得到的前三個波頭的極性和時差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；(4)輸電線路故障測距模型的輸出矢量設(shè)置為故障點距離母線檢測點相對于故障線路總長度的百分比，使輸出矢量值范圍在
之間；(5)選用三層BP神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為5×12×1，第一層為輸入層，選取保護安裝處檢測到的前三個波頭的極性和時差作為神經(jīng)網(wǎng)絡(luò)樣本屬性；第二層為隱含層，節(jié)點個數(shù)為12，傳遞函數(shù)為tansigmoid；第三層為輸出層，傳遞函數(shù)為logsigmoid，訓(xùn)練算法選用自適應(yīng)學(xué)習(xí)速度算法，最大訓(xùn)練次數(shù)選為10000次，目標(biāo)函數(shù)誤差設(shè)定為1e 5；(6)取總樣本的80％作為訓(xùn)練樣本，剩余的作為驗證樣本，首先輸入已隨機劃分好的480個訓(xùn)練樣本的輸入矢量P及其對應(yīng)的輸出矢量T，其中P為480×5維矩陣，T為480×1維矩陣；(7)將隨機選取的480個訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，取120個驗證樣本對訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進行驗證，得到故障測距網(wǎng)絡(luò)；(8)將故障數(shù)據(jù)輸入故障測距網(wǎng)絡(luò)就可以實現(xiàn)對故障位置的初測；(9)利用初測結(jié)果判斷故障發(fā)生在保護線路全長的前半段或后半段，再利用單端測距公式和式中l(wèi)f為故障距離；v為線模行波波速；Δt1為故障點反射波和初始行波的時間差；Δt2為對端母線反射波和初始行波的時間差，對神經(jīng)網(wǎng)絡(luò)屬性中的兩個時間差分別計算故障距離，將得到的故障距離與神經(jīng)網(wǎng)絡(luò)預(yù)測的故障距離取絕對差值，絕對差值最小的計算距離判定為故障距離。FSA00000086662000011.tif,FSA00000086662000012.tif,FSA00000086662000013.tif,FSA00000086662000014.tif
全文摘要
本發(fā)明是一種輸電線路單端行波故障測距智能方法。它將輸電線路故障行波前三個波頭的極性和時差作為樣本屬性，采用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障測距。輸電線路故障，當(dāng)最短健全線路的長度大于故障線路全長的四分之一且次短健全線路長度大于故障線路全長的二分之一時，保護安裝處檢測到的前3個波頭一定含有至少2個來自故障線路的行波；當(dāng)上述條件不滿足時，用方向行波識別行波是否來自故障線路。選取后2個波頭與首波頭的時間差，以及其波頭極性作為樣本屬性，訓(xùn)練、測試故障測距神經(jīng)網(wǎng)絡(luò)，實現(xiàn)故障距離初測，以此為基礎(chǔ)，應(yīng)用故障距離與波速、傳輸時間的關(guān)系正確辨識第二個行波波頭性質(zhì)，繼而求得精確的故障距離。大量仿真結(jié)果表明，本發(fā)明效果良好。
文檔編號G01R31/11GK101923139SQ20101014956
公開日2010年12月22日 申請日期2010年4月19日 優(yōu)先權(quán)日2010年4月19日
發(fā)明者彭仕欣, 束洪春, 鄔乾晉 申請人:昆明理工大學(xué)