[發(fā)明專利]一種特高壓換流站交流濾波器在線故障診斷分析方法

有效

• 申請?zhí)枺?/td>: 201711207686.1
• 申請日: 2017-11-27
• 公開（公告）號: CN107992665B
• 公開（公告）日: 2021-05-07
• 發(fā)明（設計）人: 劉志遠;張沈習;韋鵬;史磊;李君宏;張志賢;高海洋;徐輝;王文剛;寧復茂;謝偉鋒;韓慧麟;武嘉薇;尹琦云
• 申請（專利權）人: 國家電網(wǎng)公司;國網(wǎng)寧夏電力公司檢修公司;上海交統(tǒng)電力科技有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04
• 代理公司: 山西五維專利事務所(有限公司) 14105
• 代理人: 雷立康

1.一種特高壓換流站交流濾波器在線故障診斷分析方法，其特征在于，包括下列步驟：

S1，根據(jù)特高壓換流站的故障錄波器記錄的歷史波形數(shù)據(jù)采用收網(wǎng)算法訓練RBF神經(jīng)網(wǎng)絡，以確定RBF神經(jīng)網(wǎng)絡的模型參數(shù)，所述模型參數(shù)包括RBF神經(jīng)網(wǎng)絡的中心、權重和寬度；

S2，根據(jù)特高壓換流站的故障錄波器記錄的數(shù)據(jù)獲取特高壓換流站的當前波形數(shù)據(jù)，并對當前波形數(shù)據(jù)進行特征量提取，提取的特征量包括時域特征量和頻域特征量；

S3，對提取的特征量進行歸一化處理；

S4，將歸一化處理后的特征量輸入訓練好的RBF神經(jīng)網(wǎng)絡，并根據(jù)訓練好的RBF神經(jīng)網(wǎng)絡的輸出結果診斷交流濾波器是否出現(xiàn)故障；

其中，所述時域特征量包括斷路器的分合閘時間T、交流濾波器分合閘時錄下波形中的電流最大值I_max和電流最小值I_min及三相匹配度γ；其中：

T＝max(T_A,T_B,T_C) (1)

公式(1)中，T_A、T_B和T_C分別為交流濾波器A、B、C三相的分合閘時間；

公式(2)中，i_a、i_b和i_c分別表示交流濾波器A、B、C三相移相后的電流瞬時值，I_a、I_b和I_c分別表示交流濾波器A、B、C三相的電流幅值，d表示波形數(shù)據(jù)中第d個周期的波形。

2.根據(jù)權利要求1所述的特高壓換流站交流濾波器在線故障診斷分析方法，其特征在于，所述頻域特征量包括零序電流諧波最大值I_H,max、交流濾波器斷路器零序電流的諧波含量δ和總諧波畸變率K_THD；其中：

公式(3)中：I_H,e為e次諧波有效值，I_r為對應交流濾波器組的額定電流；

3.根據(jù)權利要求1所述的特高壓換流站交流濾波器在線故障診斷分析方法，其特征在于，所述步驟S1在確定RBF神經(jīng)網(wǎng)絡的模型參數(shù)時，包括：

S11，對特高壓換流站交流濾波器投切時故障錄波器記錄的M組歷史波形數(shù)據(jù)進行特征量提取，得到時域特征量和頻域特征量共七個特征量，并標注M組歷史波形數(shù)據(jù)的異常狀態(tài)得到狀態(tài)值，將七個特征量和一個狀態(tài)值組合成初始訓練數(shù)據(jù)集S_M×8，其中，時域特征量包括斷路器的分合閘時間T、交流濾波器分合閘時錄下波形中的電流最大值I_max和電流最小值I_min及三相匹配度γ，頻域特征量包括零序電流諧波最大值I_H,max、交流濾波器斷路器零序電流的諧波含量δ和總諧波畸變率K_THD；

S12，對初始訓練數(shù)據(jù)集S_M×8中的七個特征量進行歸一化處理，形成標準訓練數(shù)據(jù)集S'_M×8；

S13，確定RBF神經(jīng)網(wǎng)絡的隱含層數(shù)量z及收網(wǎng)算法的開拓系數(shù)C，并根據(jù)隱含層的數(shù)量z及特征量數(shù)量確定收網(wǎng)算法的結點數(shù)量A，其中：

A＝2(7×z+2×z)y (7)；

公式(6)中，K表示總迭代次數(shù)，k表示第k次迭代；公式(7)中，y表示每個超平面選取的結點數(shù)量；

S14，確定RBF神經(jīng)網(wǎng)絡的目標函數(shù)為如下公式(8)，收網(wǎng)算法的迭代更新公式為如下公式(9)，并選取標準訓練數(shù)據(jù)集S'_M×8中的H條數(shù)據(jù)通過已經(jīng)預設開拓系數(shù)和迭代次數(shù)的收網(wǎng)算法來對RBF神經(jīng)網(wǎng)絡進行參數(shù)辨識，得到RBF神經(jīng)網(wǎng)絡的中心T_i、權重W_i和寬度σ_i；

公式(8)中，Y(j)表示第j次迭代的實際輸出值，S'(j,m)表示第j次迭代的輸入值；公式(9)中，X^(k)表示第k輪迭代時的結點位置，X^(k+1)表示第k+1輪迭代時的結點位置，X^best表示搜索歷史中出現(xiàn)的最優(yōu)結點位置，ξ^(k)與ζ^(k)分別表示[0，1]之間的隨機數(shù)；

S15，以H條數(shù)據(jù)中的狀態(tài)值為參考，使用步驟S14確定中心T_i、權重W_i和寬度σ_i后的RBF神經(jīng)網(wǎng)絡，從0到1每次步進0.01對100個值分別計算準確率，選取準確率最高的值作為標準閾值。

4.根據(jù)權利要求3所述的特高壓換流站交流濾波器在線故障診斷分析方法，其特征在于，步驟S4在根據(jù)訓練好的RBF神經(jīng)網(wǎng)絡的輸出結果診斷交流濾波器是否出現(xiàn)故障時，包括：

當訓練好的RBF神經(jīng)網(wǎng)絡的輸出結果大于標準閾值時，確定交流濾波器出現(xiàn)故障；當訓練好的RBF神經(jīng)網(wǎng)絡的輸出結果不大于標準閾值時，確定交流濾波器未出現(xiàn)故障。