[發(fā)明專利]基于多源信息融合的特高壓直流輸電線路故障原因辨識方法

有效

• 申請?zhí)枺?/td>: 201811366886.6
• 申請日: 2018-11-16
• 公開（公告）號: CN109270407B
• 公開（公告）日: 2022-02-25
• 發(fā)明（設(shè)計）人: 李玉敦;李寬;施雨;蘇欣;張繁斌;王志遠;劉萌;趙斌超;張婉婕;楊超;王昕;麻常輝;張國輝;王永波
• 申請（專利權(quán)）人: 國網(wǎng)山東省電力公司電力科學研究院
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 濰坊鳶都專利事務所 37215
• 代理人: 臧傳進

1.一種基于多源信息融合的特高壓直流輸電線路故障原因辨識方法，其特征是包括如下步驟：

步驟1)獲取特高壓直流輸電線路的電氣量故障數(shù)據(jù)和非電氣量信息；

步驟2)提取特高壓直流輸電線路電氣特征量，構(gòu)造電氣特征輸入向量；

步驟3)提取特高壓直流輸電線路非電氣特征量，構(gòu)造非電氣特征輸入向量；

步驟4)對雷擊、山火、污穢、風偏、鳥害構(gòu)建綜合神經(jīng)網(wǎng)絡辨識模型，神經(jīng)網(wǎng)絡模型的隱含層的節(jié)點數(shù)采用最小誤差的方法選取；

步驟5)采用自學習的方法進行具體故障原因辨識；

步驟4)中，采用三層BP神經(jīng)網(wǎng)絡結(jié)構(gòu)，輸入層節(jié)點數(shù)為33，隱含層采用最小誤差的方法選取，輸出層節(jié)點數(shù)為5；隱含層和輸出層的激活函數(shù)均采用log-sigmoid型函數(shù)，可以將輸出控制在0-1范圍之內(nèi)；訓練方法采用trainlm算法，訓練目標誤差設(shè)置為1e-4，訓練次數(shù)設(shè)置為1000次；

BP神經(jīng)網(wǎng)絡是根據(jù)誤差反向傳播算法訓練的多層前饋神經(jīng)網(wǎng)絡，設(shè)輸入層包含N個神經(jīng)元，輸出層包含M個神經(jīng)元，輸入向量為X，輸出向量為Y，隱含層包含L個神經(jīng)元節(jié)點，w_ij表示輸入層到隱含層之間的連接權(quán)值，w_jk表示隱含層到輸出層之間的連接權(quán)值，θ_j表示隱含層神經(jīng)元的閾值，θ_k表示輸出層神經(jīng)元的閾值，表示隱含層的激活函數(shù)，φ(·)表示輸出層的激活函數(shù)；

log-sigmoid型函數(shù)為S型的對數(shù)函數(shù)，S型的對數(shù)函數(shù)為：

隱含層第j個神經(jīng)元節(jié)點的輸出信號o_j為：

輸出層第k個神經(jīng)元節(jié)點的輸出信號y_k為：

設(shè)有P個訓練樣本，對于每個訓練樣本,誤差的二次型準則函數(shù)為：

網(wǎng)絡對P個訓練樣本的總體誤差函數(shù)為：

其中和分別表示輸入訓練樣本為p時，輸出層第k個神經(jīng)元節(jié)點的期望輸出和實際輸出；

實際辨識結(jié)果和理想輸出之間是有差別，用總體辨識誤差E_b來表征這種差異：

E_bt＝R_st-R_qt (11)

其中t＝1～5，分別表示雷擊、山火、污穢、風偏、鳥害；R_st、R_qt分別表示t＝1～5時所對應的原因下的實際輸出和期望輸出，E_bt為t＝1～5時所對應的原因下的實際輸出和期望輸出之間的差值；

根據(jù)隱含層的經(jīng)驗公式確定一個隱含層的范圍：

式中，m和n分別為輸入和輸出層的節(jié)點數(shù)，a為0-10之間的整數(shù)；

最佳隱含層的確定步驟為：

步驟4.1)計算l的取值范圍，l的范圍為(6，16)；

步驟4.2)對于l內(nèi)的每一個可能的隱含層的節(jié)點數(shù)，計算E_bt、E_b；

步驟4.3)比較l內(nèi)的每一個可能的隱含層的節(jié)點數(shù)所對應的總體辨識誤差E_b，取最小的E_b所對應的隱含層的節(jié)點數(shù)為最佳隱含層。

2.如權(quán)利要求1所述的基于多源信息融合的特高壓直流輸電線路故障原因辨識方法，其特征是在步驟1)中，特高壓直流輸電線路的電氣量故障數(shù)據(jù)從保護信息系統(tǒng)中獲取，非電氣量信息從氣象系統(tǒng)、雷電定位系統(tǒng)、地理信息系統(tǒng)、山火監(jiān)測系統(tǒng)中獲取；當發(fā)生的故障很少，樣本的數(shù)量不足時，則通過PSCAD仿真故障來獲取數(shù)據(jù)。