硕士论文-基于多小波包和人工神经网络的电力系统故障类型识别研

西南交通大学硕士学位论文基于多小波包和人工神经网络的电力系统故障类型识别研究姓名：李东敏申请学位级别：硕士专业：电力系统及其自动化指导教师：刘志刚20080401基于多小波包和人工神经网络的电力系统故障类型识别研究作者：李东敏学位授予单位：西南交通大学相似文献(10条)1.期刊论文郑德山.杨德强.施心陵.ZHENGDe-shan.YANGDe-qiang.SHIXin-ling基于小波包分析的电力系统故障类型的判别-江西电力职业技术学院学报2006,19(1)介绍小波包的基本构造原理,讨论了小波包分析方法在电力系统中故障类型判别中的应用.并根据电力系统出现的具体实例,给出了仿真和比较结果.2.学位论文王日文应用神经网络对电力系统切负荷稳定控制的研究2002随着系统规模的不断扩大，电力系统的安全稳定控制问题的重要性和困难性也随着增加，尤其是多机系统的控制问题。随着计算机技术和通信技术的发展，特别是人工智能技术的出现，为电力系统安全稳定控制开辟了新的研究途径。本文对人工神经网络电网紧急切负荷，控制切负荷量的实时计算问题进行了研究。本文把人工神经网络应用于电力系统切负荷稳定控制，证明了前馈神经网络用于切负荷控制的合理性，并提出用故障线路的功率突变量做为神经网络的特征输入量来表征故障类型，以减少输入特征量的数量且易于实现。针对西北电网安南双回线同时断开后关中电网紧急切负荷控制问题，用PSASP程序进行了切负荷仿真计算，用获得的样本对前馈神经网络进行了训练，从而获得了人工神经网络和控制策略表相结合的切负荷量计算方法。仿真计算结果表明，文中提出的方法具有较高的计算精度和计算效率，可以满足稳定控制的要求。3.期刊论文李东敏.刘志刚.苏玉香.蔡军.LIDongmin.LIUZhigang.SUYuxiang.CAIJun基于多小波包和人工神经网络的电力系统故障类型识别-电力自动化设备2009,29(1)采用PSCAD/EMTDC仿真500kV高压输电线路不同工况下的故障.先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的能量,然后构造信号的多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,当输电线路发生故障时,将提取的故障电流信号的多小波包能量特征向量输入训练好的BP神经网络,即可实现故障类型的识别.仿真结果表明采用多小波包提取的故障电流特征量比采用传统小渡包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势.4.学位论文刘飞信息处理智能方法及其在高压输电线路故障分析中的应用2005随着电力系统规模的日益发展，对输电线路的安全运行和供电可靠性的要求越来越高。高压输电线路作为输电系统中的枢纽干线，在电力系统中起着重要作用，其故障直接威胁着现代电力系统的安全运行，而且引起的经济损失也越来越大。当输电线路发生故障时，在很短的时间内会有大量的报警信息，如果仅凭运行人员的经验进行故障诊断，其快速性和正确性难以保证。因此研究智能化的高压输电线路故障诊断和分析系统对电力系统恢复决策的制定和电力系统的安全运行具有重要意义。本文在对目前高压输电线路故障分析的基础上，提出了实现输电线路故障类型识别、故障测距和故障诊断的新方法。为高压输电线路故障智能综合分析提供了新途径，具有重要的理论意义和实用价值。针对目前高压输电线路的故障类型识别在原理上主要依据某种逻辑关系来实现故障类型识别的局限性，本文提出采用满足结构风险最小化原理(SRM)的支持向量机(SVM)算法来进行高压输电线路的故障类型识别。针对高压输电线路故障模式空间的非线性可分情况，提出将SVM算法通过非线性变换将输入向量映射到高维空间来进行模式分类的方式，实现了对高压输电线路整个故障模式空间的非线性最优分类，达到了准确故障类型识别的目的。另外，SVM算法还具有训练过程简单，训练结果清晰明了的特性，可以实现故障类型的快速识别。本文利用一种基于双端电气量的新型方法进行输电线路的故障测距。该方法对两端电气量的数据采集不要求严格同步，而且在求解时只需识别出故障所属类型，而无需知道具体的故障相别。仿真测试表明，该方法不受故障类型、故障点位置、过渡电阻和线路两端系统运行阻抗角的影响，能精确地确定出故障点位置，县有较高的实用价值。针对高压输电线路故障诊断的智能方法要求模型简单，容错性能强的问题，本文提出使用径向基函数神经网络(RBFNN)来实现高压输电线路的故障诊断。在对RBFNN网络的隐含节点数目以及核函数的确定过程中，本文提出采用基于HCM算法的聚类过程，该算法与常规的LBG等算法相比，不需要在每一次迭代中计算新的模式种类的重心，并且不用预设高斯核函数的宽度r，不仅使聚类过程简单，而且避免了人为预设r值对聚类数的确定带来的影响，实现了RBFNN网络结构的最优确定，从而使整个网络达到了较高的利用效率。仿真结果表明，基于RBFNN的故障诊断系统不仅可以有效地实现高压输电线路故障诊断，而且网络的训练速度和对畸变输入信息的容错能力均优于传统的神经网络方法。5.期刊论文段建东.张保会.周艺.DUANJian-dong.ZHANGBao-hui.ZhouYi利用电流行波进行超高压输电线路故障类型识别的研究-中国电机工程学报2005,25(7)通过对超高压输电线路各种类型故障的特征分析,提出了一种综合利用暂态电流行波幅值和极性的故障特征来识别故障类型的新原理,指出零模量和线模量之间的幅值关系不宜被用以构造识别判据.文中还设计出基于小波变换的故障类型识别的实用快速算法,该快速算法能免受TA饱和、系统振荡的影响,提高了以往行波故障选相方案在单相或两相接地故障时的可靠性.大量ATP仿真数据的测试表明:这种故障类型识别的新原理及其算法在线路不同位置、不同过渡电阻、不同初始角等故障情况下都能正确快速地选出故障相.现场实录故障数据也验证了该故障类型识别方法是可行的.6.学位论文方达意基于暂态电流小波能量谱的超高压输电线路故障类型识别2009随着电力工业的快速发展，大电网互联日趋成熟，超高压输电线路已成为整个大型电力系统的重要构成部分。电网发生故障时，继电保护要针对故障类型有选择的进行保护动作，防止系统稳定遭到破坏。对继电保护故障判断的准确性与快速性要求越来越高。小波变换在时域和频域同时具有良好的局部化性质，是分析暂态信号的有力工具，因此小波理论在电力系统中，如电能质量、继电保护、暂态分析、高压放电等领域得到广泛应用。原始信号小波变换的模极大值对应于信号的突变点，同时小波系数携带了原信号时域局部能量的信息，因此小波理论为电力系统非正常运行方式（输电线路故障、电力系统振荡等情况）暂态分量特征的研究提供了有力的数学工具。暂态保护对故障响应快，不受过渡电阻、系统振荡、电流互感器饱和等工频现象的影响；保护逻辑简单，对滤波要求不苛刻；易于数字化实现。同时电力系统故障时，暂态信号中包含了大量反映故障性质的信息，电流中不同频率分量所含能量的差异，为故障特征分析提供了依据。当输电线路发生故障时，系统将产生高频暂态电流，暂态电流信号从故障点线路的正反方向传播。高频的暂态信号被采样后即作为形成特征量的原始数据，原始数据经过离散小波变换可得到高频系数即能反映原始信号高频能量的细节系数。对细节系数进行范数处理得到各相的电流能量等价范数，以其作为故障类型的特征判据，识别故障类型。本文采用db3小波对故障前后的暂态信号进行变换，并用小波能量谱数据构造故障类型识别判据，提出了一种基于暂态电流小波变换能量谱的超高压输电线路故障类型识别方法。用Matlab搭建500kV电力线路模型，在不同故障类型、不同初始条件下对本文所提方法进行了验证。子站预处理系统须将故障数据实时预处理并上传至调度中心，无需实时上传振荡数据，这样可减少通道传输堵塞事件，提高故障诊断效率。快速、准确地识别振荡与故障，对输电线路距离保护意义重大。振荡和故障的电流波形都具有很大的峰值，但振荡和故障有其自身的特点，这就决定了它们的电流在各个频带中会有差异。小波系数具有反映特定频域的暂态分量变化的特性，利用这一特性来识别电力系统故障与振荡是一可行途径，通过仿真测试，验证了此方法的有效性。7.期刊论文陈建荣基于故障类型的零序方向元件-广西轻工业2008,24(9)输电线路发生接地故障时,可能因为零序电压不满足灵敏度要求,而导致零序方向元件误动或者拒动.针对上述问题,本文通过分析零序电压和故障相电压之间的相位关系,提出了一种新的基于故障类型的零序方向元件.当零序电压低于门槛值时,依据选相结果,该原件采用保护安装处故障前的故障相电压代替零序电压,进行零序功率方向判别.经现场故障数据验证.该原件准确可靠.8.学位论文王晨力基于蚁群优化算法的电力负荷聚类和输电线故障识别研究2005本论文是研究基于蚁群优化算法(AntColonyOptimizationAlgorithm，ACOA)来实现电力负荷聚类和输电线的故障类型的识别。ACOA已经在许多领域的相关问题中得到成功的应用，而在电力系统中开展的研究和应用则处于刚刚起步阶段。蚁群优化算法在大规模复杂组合优化问题研究中具有极强的优势，经应用研究测试证明了它的有效性。为了能深入掌握ACOA的基本原理和算法实现本论文的两个研究目标，论文首先对基于数据挖掘的聚类原理及其方法、国内外的研究动态进行了必要的基础概述工作；在此基础上，又对ACOA的原理、算法及其应用、国内外的研究动态作了概述。它们是进行论文研究的重要基础。由于外部随机因素的影响，电力系统短期负荷预测精度难于解决。在已有研究中采用聚类和模式识别结合原理来实现，但对外部气象因素特征与聚类性能之间不能很好协调，致使不能按预期目标来实现预测精度的要求。本论文首次把ACOA用于电力负荷序列聚类分析，并与广泛用于电力负荷聚类的Kohonen神经网络进行对比，经实际地区负荷系统仿真测试证明了基于ACOA的聚类性能优越性，它对气候异常情况、高温区域、节假日都具有更高的敏感性和分辨率；对负荷曲线轮廓的相似性具有更细腻和均匀性的聚类特性，对负荷预测精度的提高是有极其重要意义的。输电线故障类型识别问题对保护的动作和重合闸作用的发挥有极其重要的意义。目前基于富氏变换原理来处理暂态信号存在局限性，不能保证完全正确的故障选相。本论文首次研究用ACOA进行输电线故障类型识别，提出用故障后的3相电流和零序电流的波形时序数据，经模式自归一化后构造故障类型识别的特征矢量；创造性以各相和零序的波形强度关联的特征矢量作为聚类分析的依据，经仿真和测试证实所提出的基于蚁群优化算法聚类方法能够可靠、准确的实现输电线故障类型的识别，不受故障过渡电阻、系统运行模式、故障初始角、故障点位置等因素的影响；且在快速性上具优势。9.期刊论文索南加乐.孟祥来.陈勇.王向兵.谢静.刘东.SUONANJia-le.MENGXiang-lai.CHENYong.WANGXiang-bing.XIEJing.LIUDong基于故障类型的零序方向元件-中国电机工程学报2007,27(1)输电线路发生接地故障时,可能因零序电压不满足灵敏度要求,而导致零序方向元件误动或者拒动.针对上述问题,本文通过分析零序电压和故障相电压之间的相位关系,提出了一种新的基于故障类型的方向元件.当零序电压低于门槛值时,依据选相结果,该元件采用保护安装处故障前的故障相电压代替零序电压,进行零序功率方向判别.经现场故障数据验证,该元件正确、可靠,已应用于750kV线路微机保护装置.10.学位论文王俊丰基于分形理论的电力系统故障模式识别的新方法2005本论文的研究目标是以非线性学科的分形理论为基础，展开对输电线路故障分类模式的识别以及对配电系统中馈线单相接地故障的识别。电力系统的规模越来越大，超高压输电线也越来越多，它们对电力系统的安全稳定运行具有举足轻重的作用。在我国高压输电系统中广泛采用单相重合闸，准确有效的选相元件是高压输电线路发挥自动重合闸功能的重要前提。本文首次研究和提出了基于分形理论的高压输电线路故障类型识别的新方法，问题实质也是基于分形理论的