亚星游戏官网-www.yaxin868.com

基于神经网络的配电网小电流单相接地故障定位方法
【专利摘要】本发明公开了一种基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，包括：步骤一：安装FTU，将馈线终端装置所在位置定为参考测量点；步骤二：通过FTU采集训练样本数据，得到故障信号的模极大值；对所述训练样本数据进行归一化处理后作为输入训练样本，实际故障距离作为输出训练样本；步骤三：构建优化BP神经网络模型；步骤四：完成构建BP神经网络模型；步骤五：优化完毕的BP神经网络模型对故障信号进行分析，得出故障点位置。本发明对故障定位精度高，不需要大量监测设备，可以避免成本增大的问题。
【专利说明】基于神经网络的配电网小电流单相接地故障定位方法
【技术领域】
[0001]本发明涉及一种配电网小电流单相接地故障定位方法，具体涉及一种基于神经网络的配电网小电流单相接地故障定位方法，本发明属于电力系统及其自动化领域。
【背景技术】
[0002]在我国，目前配电自动化所涉及的主要是IOkV的中压电网，一般供电范围为10km。为了提高供电的可靠性，我国的IOkV配电网一般采用中性点不接地方式运行，当发生单相接地故障时，接地电流很小，故这种系统又称为小电流接地系统。当IOkV配电网发
生单相接地故障后，非故障相对地工频电压升高至原来的.>/!倍。此时，系统仍可以继续运
行1-2小时，但用电设备处于过电压运行状态，对系统的绝缘要求高，并且极易发展成多点故障或相间短路故障。单相接地故障在配电网故障中占75%以上。因此，准确地找到故障发生的位置是隔离故障区域并恢复非故障区域的正常供电的重要前提。
[0003]传统的IOkV配电网单相接地故障定位一般采用逐条线路拉闸停电的方法来确定故障线路，在选出故障线路后，再派工作人员到现场沿线查找故障位置，然后排除故障。传统方法耗费大量的人力、物力和时间。
[0004]在目前配电自动化系统中，采用较为广泛的故障定位方法有阻抗法，行波法和S信号注入法。阻抗法的故障测距原理是假定线路为均匀传输线，在不同故障类型条件下计算出的故障回路阻抗或电抗与测量点到故障点的距离成正比。阻抗法受路径阻抗、线路负荷和电源参数的影响较大。行波法测量故障点产生的行波在故障点及母线之间往返的时间或利用故障行波到达线路两端的时间差来计算故障距离。该方法易受配电网发生单相接地故障时的接地电阻的影响，导致反射波信号不明显，增加了反射波识别的难度。S信号注入法的原理是通过母线PT向接地线的接地相注入S信号电流，然后利用专用的信号电流探测器查找故障线路和故障点。S注入法的缺点在于注入信号的能量有限，而且受导线分布电容影响较大，容易导致信号微弱，无法测量。

【发明内容】

[0005]为解决现有技术的不足，本发明的目的在于提供一种基于神经网络的配电网小电流单相接地故障定位方法，达到对现有的。
[0006]为了实现上述目标，本发明采用如下的技术方案:
[0007]基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，包括:
[0008]步骤一:在变电站主变低压IOkV侧或低压IOkV母线开始的适当位置安装FTUJf馈线终端装置所在位置定为参考测量点；
[0009]步骤二:通过FTU采集训练样本数据，对训练样本数据进行小波模极大值的奇异性检测，得到故障信号的 模极大值；对所述训练样本数据进行归一化处理后作为输入训练样本，实际故障距离作为输出训练样本；
[0010]步骤三:使用遗传算法优化BP神经网络的初始连接权值和阀值，构建适合于IOkV
【权利要求】
1.基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，包括: 步骤一:在变电站主变低压IOkV侧或低压IOkV母线开始的适当位置安装FTU，将馈线终端装置所在位置定为参考测量点； 步骤二:通过FTU采集训练样本数据，对训练样本数据进行小波模极大值的奇异性检测，得到故障信号的模极大值；对所述训练样本数据进行归一化处理后作为输入训练样本，实际故障距离作为输出训练样本； 步骤三:使用遗传算法优化BP神经网络的初始连接权值和阀值，构建适合于IOkV中性点不接地系统的单相接地故障定位的优化BP神经网络模型；所述优化BP神经网络模型分为三层:输入层、隐含层和输出层；输入层为故障信号小波变换的模极大值；输出层包含单一神经元，输出层的值反映相对于参考测量点的故障点位置； 步骤四:从优化的BP神经网路输出层开始逐层计算各层神经元的输出误差Ep，完成构建经遗传算法优化的BP神经网络模型； 步骤五:优化完毕的BP神经网络模型对FTU装置上报的配电网实际运行的故障信号进行分析，得出故障点位置。
2.根据权利要求1所述的基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，所述训练样本数据包括母线的零序电流和零序电压。
3.根据权利要求2所述的基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，小波模极大值的奇异性检测:
4.根据权利要求3所述的基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，所述步骤是包括: 步骤4a:从优化的BP神经网路输出层开始逐层计算各层神经元的输出误差Ep，
5.根据权利要求4所述的基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，根据误差梯度下降法来调节各层的权值和阈值的具体步骤包括: 通过输出层权值调整公式
6.根据权利要求5所述的基于神经网络的配电网小电流单相接地故障定位方法，其特征在于，所述期望值通过公式，
【文档编号】G01R31/08GK103884966SQ201410150964
【公开日】2014年6月25日 申请日期:2014年4月15日 优先权日:2014年4月15日
【发明者】胡钢, 肖智国, 臧川, 江冰 申请人:河海大学常州校区