[發明專利]一種基于行波特征頻率的配電網混聯線路故障定位方法

有效

• 申請號: 202110398559.4
• 申請日: 2021-04-12
• 公開（公告）號: CN113109669B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 李舟;喬文;師琛;王輝;談震;魏小棟;褚子平;李悅嘉
• 申請（專利權）人: 國網陜西省電力公司西安供電公司;西安交通大學
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 何會俠

1.一種基于行波特征頻率的配電網混聯線路故障定位方法，其特征在于，包括以下步驟：

步驟1：獲取混聯線路故障后線路首端測量點的暫態電壓波形；

步驟2：將獲得的暫態電壓波形信號進行相模變換實現三相解耦，三相電壓分別為u_a、u_b、u_c，經過變換后的零模和線模分量分別是u₀、u_α、u_β，采用克拉克Clarke變換，電壓矩陣方程寫為：

取暫態電壓的線模分量u_α，濾除工頻量；

步驟3：對步驟2濾除工頻量后的暫態電壓的線模分量u_α進行小波多分辨率分析，通過計算信號在各頻段的小波能量總和得到信號特征頻率的分布；k時刻m尺度的小波能量通過信號細節系數的平方和來計算：

式中：D_m——m尺度下的細節輸出，d_m,k——k時刻m尺度下的細節系數；

依據公式(2)得到的各尺度小波能量，計算暫態電壓波形信號在各尺度的小波能量百分比，以此反映故障路徑對應的特征頻率；

步驟4：改變故障條件和故障位置，重復前三個步驟，從步驟3的結果提取頻率主要集中尺度的小波能量百分比，為提高準確度，擴大1-3個尺度范圍，作為樣本輸入，歸一化得到樣本集，樣本集的80％作為訓練樣本，20％作為測試樣本；

步驟5：建立小波神經網絡模型擬合暫態電壓波形信號各頻段小波能量百分比與故障位置的關系，初始化參數；小波神經網絡模型沿用BP神經網絡架構，為三層神經網絡，激活函數為Morlet小波函數h_a,b，如公式(3)：

式中，x為小波神經網絡輸入參數；a,b分別為小波基的伸縮因子和平移因子；

輸入層節點數與特征頻率能量集中的主要頻帶數相同；輸出為對應的故障點距觀測點的位置；隱含層節點數的確定是在框定節點數范圍內，依次試驗不同節點數時小波神經網絡的輸出精度、收斂速度，選取性能最佳的節點數作為隱含層節點數；

步驟6：通過粒子群算法優化步驟5中小波神經網絡模型的參數：小波基的伸縮因子、平移因子和網絡初始權值；粒子群算法的適應度函數e由神經網絡的均方差確定：

其中N是訓練樣本總數；p是樣本編號；y_p是小波神經網絡輸出值；y_np是小波神經網絡的理想輸出值；

由輸入小波神經網絡的樣本與輸出小波神經網絡的期望計算粒子群體中每個粒子個體的適應度數值，迭代尋優，更新粒子速度和位置，將設定的最大迭代次數設為終止條件，滿足終止條件后將全局最優參數代入步驟5建立好的小波神經網絡模型中進行訓練，當小波神經網絡的訓練滿足終止條件即輸出誤差小于設定值或達到最大訓練次數，結束訓練；

步驟7：將測試樣本輸入步驟6中訓練好的小波神經網絡模型，輸出故障距離得到故障位置，達到故障定位的目的。