亚星游戏官网-www.yaxin868.com

专利名称：一种利用s变换频谱特性的辐射网故障智能测距方法
技术领域：
本发明涉及电力系统继电保护技术领域，具体地说是一种利用S变换频谱特性的 辐射网故障智能测距方法。
背景技术：
目前输电线路的故障距离已能成功测出，但针对配电网中广泛存在架空线和电缆 混和线路及多分支馈线的情况，辐射网故障测距已成为研究的热点。神经网络依靠其强大 的模式分类和非线性函数逼近拟合能力已在故障测距中得到一定程度的应用，如何提取辐 射网故障特性作为神经网络输入样本已成为故障测距准确的关键。多分支辐射网发生故障时，其故障点产生的暂态故障行波将在波阻抗不连续点与 测量端来回反射，母线处量测端的波形呈现周期性，反应在频率上表现出特定的频谱特性。 而故障行波的频谱与故障分支、故障距离和线路终端的系统条件均有关系，借助S变换对 故障行波的频谱进行计算，求取各频率段的能量作为神经网络的输入样本，训练神经网络 得到辐射网故障测距模型，进而实现故障测距。若用一个神经网络定位辐射网各个分支故障上的距离，由于分支数和故障过渡电 阻类型的组合很多，使得训练样本非常庞大，造成最终形成神经网络模型结构的病态，即隐 含层节点数量过大，远超过了输入层节点数的2倍，它已偏离B P模型最佳结构设计，使神 经网络模型学习率极低，收敛性能差。

发明内容
本发明的目的是克服现有多分支辐射网故障测距的不足，提供一种利用S变换频 谱特性的辐射网故障智能测距方法。本发明是应用分层分布式神经网络模型实现多分支辐射网的故障测距。具体实现 按以下步骤进行
(1)多分支辐射网(其模型结构如

图1所示)发生单相接地故障后，母线零序电压高于 额定相电压15%时，启动元件立即启动。根据保护安装处测得的各线路三相电流，利用克拉 克变换矩阵，求得各线路的零序电流
^jO= ^jA+ iJB+ ^jCJ = I, 2,......6(1)
式中(。为线路j的零序电流；iM、和、分别为线路j的A、B、C的三相电流；
(2)利用故障线路在故障初瞬与健全线路极性相反的原理，选出故障线路； (3 )对故障线路的零序电流进行S变换，其采样频率为IOOkHz，采样序列长度为200点， 经S变换得到101X200的复矩阵
权利要求
1. 一种利用S变换频谱特性的辐射网故障智能测距方法，其特征在于按以下步骤进行(1)多分支辐射网发生单相接地故障后，母线零序电压高于额定相电压15%时，启动元 件立即启动；根据保护安装处测得的各线路三相电流，利用克拉克变换矩阵，求得各线路的 零序电流^j0= ^jA+ iJB+ ^jC J=I, 2,......6(1)式中(。为线路j的零序电流；iM、和、分别为线路j的A、B、C的三相电流；(2)利用故障线路在故障初瞬与健全线路极性相反的原理选出故障线路； (3 )对故障线路的零序电流进行S变换，其采样频率为IOOkHz，采样序列长度为200点， 经S变换得到101X200的复矩阵
2.根据权利要求1所述的利用S变换频谱特性的辐射网故障智能测距方法，其特 征在于BP神经网络拓扑结构为4X15X5，第一层为输入层，节点个数为4;第二层为隐含 层，节点个数为15，传递函数为tansigmoid ；第三层为输出层，节点个数为5，传递函数为 logsigmoid，训练算法选用自适应学习速度算法，最大训练次数选为1000次，目标函数误 差设定为le_5，经训练得到多分支辐射网的故障选段模型。
3.根据权利要求1所述的利用S变换频谱特性的辐射网故障智能测距方法，其特征在 于故障测距模型采用分布式的BP神经网络，训练算法选用自适应学习速度算法，最大训练 次数选为10000次，目标函数误差设定为le_7。
全文摘要
本发明是一种利用S变换频谱特性的辐射网故障智能测距方法。本发明为当多分支辐射网发生故障，启动元件立即启动，根据保护安装处测得的各线路三相电流，利用卡拉克变换，求出零序电流。依据故障线路零序电流的极性与健全线路相反的原理选出故障线路，选取采样序列长度为200点的故障线路零序电流信号，进行S变换，变换结果为101×200的时频复矩阵，并对此复矩阵中的各个元素求模。根据得到的模矩阵，提取出各频段的能量作为分层分布式神经网络的输入向量，训练神经网络得到辐射网故障测距模型，实现多分支辐射网的故障测距。大量仿真结果表明，本发明测距准确。
文档编号G01R31/08GK102135588SQ20111004001
公开日2011年7月27日 申请日期2011年2月18日 优先权日2011年2月18日
发明者戴月涛, 束洪春, 王旭, 白挺玮, 秦书硕, 邬乾晋 申请人:昆明理工大学