[發明專利]基于模糊推理脈沖神經膜系統的輸電線路故障選相方法

有效

• 申請號: 201610984099.2
• 申請日: 2016-11-08
• 公開（公告）號: CN106771846B
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 張葛祥;黃康
• 申請（專利權）人: 西華大學
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 葛啟函

本發明屬于電網調度與故障分析領域，涉及一種基于模糊推理實數脈沖神經膜系統的輸電線路故障選相方法。本發明的方法主要包括：獲取電流故障分量信息；提取電流故障分量信號小波特征；建立故障選相模糊推理實數脈沖神經膜系統；對建立的故障選相模糊推理實數脈沖神經膜系統進行推理；根據模糊推理得到的各疑似故障類型的模糊可信度進行判定，選擇模糊可信度最大的命題神經元所對應故障類型為最后選相結果。本發明的有益效果為，本發明將小波變換與模糊推理實數脈沖神經膜系統進行有機結合，實現準確的輸電線路故障選相；故障選相正確性高；方法實現簡單；對復雜故障情況適應性好。

技術領域

本發明屬于電網調度與故障分析領域，涉及一種基于模糊推理實數脈沖神經膜系統的輸電線路故障選相方法。

背景技術

隨著電網規模的不斷擴大，如何高效穩定地輸送電能是保證電網安全、穩定運行的重要環節。影響電能輸送的因素很多，其中，輸電線路故障是其重要因素之一。如何快速、準確地對輸電線路進行故障選相是快速恢復電網供電、保證電網安全運行的重要前提。

目前，傳統的輸電線路故障選相主要分為兩個階段：故障信息特征提取和故障信息特征識別。在第一階段，故障信息特征提取方法主要分為兩類，一類是基于工頻穩態量的提取方法，這類方法的性能容易受故障電阻、故障距離、故障初始角等因素影響；另一類是基于故障暫態量的提取方法，由于暫態量包含了豐富的故障特征信息，并且不易受故障電阻、故障距離、故障初始角的影響，因此提取故障信息特征具有很高的識別度和精度。對于第二階段，故障信息特征識別方法主要集中于推理法和分類器法，如模糊推理、人工神經網絡。但是，無論是模糊推理還是人工神經網絡，其推理過程都是一個黑箱操作，不容易被人理解。因此，研究快速準確的輸電線路故障選相方法對保障電能傳輸安全性與經濟性具有重要的實際意義。

發明內容

本發明的目的在于克服上述現有技術的不足，提供一種基于模糊推理實數脈沖神經膜系統的輸電線路故障選相方法。首先利用小波變換具有良好的時頻特性，提取電流故障分量的特征信息。在此基礎上，利用模糊推理實數脈沖神經膜系統進行故障特征識別。本發明的突出優勢是利用模糊推理脈沖神經膜系統解決輸電線路故障選相的第二階段。該方法在選相過程中依據模糊推理實數脈沖神經膜系統的推理算法進行推理，表達清晰，計算簡便，且在復雜的故障條件下，本方法都能獲得正確選相結果。

為解決上述技術問題，本發明的采用的技術方案為：

基于模糊推理脈沖神經膜系統的輸電線路故障選相方法，其特征在于，包括以下步驟：

a.獲取電流故障分量信息：

取故障后1/4周期內的三相電流與故障發生前15ms至20ms內的三相電流差值作為三相電流故障分量，并同時計算零序電流故障分量；

b.提取電流故障分量信號小波特征：

采用db3小波對三相電流及零序電流故障分量進行8層分解，對第8層小波系數矩陣進行奇異值分解，得到系數矩陣的奇異值，并計算歸一化值，將得到的歸一化值作為電流故障分量信號小波特征值；

c.建立故障選相模糊推理實數脈沖神經膜系統：

根據電流故障分量信號小波特征值，建立故障選相模糊產生式規則集；

d.對建立的故障選相模糊推理實數脈沖神經膜系統進行推理：

采用模糊推理實數脈沖神經膜系統的模糊推理算法對故障選相膜系統進行推理，獲取故障類型的模糊可信度；模糊推理實數脈沖神經膜系統模糊推理算法的具體步驟為：