[發明專利]一種基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法

在審

• 申請號: 202110433811.0
• 申請日: 2021-04-22
• 公開（公告）號: CN113139287A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 薛安成;孔賀;喬登科;王永杰;冷爽;顧雷;郭鵬程;李業成;馬婧;莊文彬
• 申請（專利權）人: 華北電力大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/02;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本專利提出了一種基于ADALINE神經網絡和IGG法的自適應抗差線路參數辨識方法。該辨識方法可準確有效地對輸電線路參數進行辨識，從而保障電力系統保護整定以及狀態估計的準確性。首先，建立了基于輸電線路兩端多時間斷面PMU量測數據的輸電線路參數辨識模型，以及基于ADALINE神經網絡的線路參數求解模型。此外，為充分利用量測信息，將IGG抗差法與ADALINE神經網絡結合，提出了一種自適應魯棒ADALINE(ARA)參數辨識方法。另外，為提高系統魯棒性，利用中位數估計自適應的估計方程殘差序列的期望和方差，調整IGG權函數的閾值。最后，仿真算例驗證了方法的有效性。

技術領域

本發明涉及電力系統運行控制保護領域，尤其涉及一種基于ADALINE神經網絡和IGG 法的自適應抗差線路參數辨識方法。

背景技術

隨著大容量遠距離高壓輸電、大系統互聯、電網高度自動化的發展，我國電力系統已步入大電網、大機組的時代，這也帶來了電網節點數量大量增加、計算量變大、安全監控難度增加等困難。其中，輸電線路的工頻參數是正確進行狀態估計、繼電保護整定計算、故障分析、網損計算等各種電力系統計算的基礎。實踐證明，在電力系統中，輸電線路參數準確程度直接影響狀態估計合格率，從而影響電力系統的安全、穩定、可靠運行，因此，需要對輸電線路參數進行辨識。傳統上，獲得輸電線路參數的方法主要有：(1)離線測量；(2)在線測量。

然而，離線測量一般是在線路投運前進行的，所獲取的離線參數會由于地理環境，溫度，運行條件等因素而發生緩慢變化，因此，離線測量的參數常常會偏離真值。

在線測量中，PMU數量的增加為在線線路參數辨識提供了基礎，作為電網之眼，PMU可提供高精度，高上傳頻率的電壓和電流向量，可應用于線路參數的在線辨識。

目前，現有方法能夠基于無異常數據的PMU數據準確辨識線路參數，然而，由于粗差，設備老化，通信通道阻塞等等，PMU數據中常常出現異常數據。在該情況下，方法大多無法適用。因此，亟需開發出一種可抵御異常數據的線路參數辨識方法。

此外，近年來，人工智能的方法在電力系統產生了諸多應用，其中，ADALINE神經網絡在發電機參數辨識等方面得到了廣泛的應用，但未見線路參數辨識方面的報道。

綜上，考慮到PMU數據中可能存在不良數據，因此需要開發出一種結合傳統抗差方法和人工智能的新型線路參數抗差辨識方法，來抵御PMU數據中異常數據的影響。

發明內容

本發明將ADALINE神經網絡和自適應抗差賦權法結合，提出一種自適應抗差ADALINE 神經網絡(ARA)，用于辨識輸電線路參數。方法基于IGG權函數，既可以充分利用量測信息，又可以抵抗實測數據中不良數據的影響。具有較高的實用性。本發明的實現技術方案如下：

一種基于ADALINE神經網絡和自適應抗差賦權法的輸電線路參數在線辨識方法，其特征包含以下步驟：

步驟1：獲取實測PMU數據，根據線路模型，計算輸入和輸出數據。

步驟2：建立ADALINE神經網絡，并進行訓練，訓練后的ADALINE神經網絡的權重即為線路參數的辨識結果。

步驟3：基于線路參數的辨識結果確定輸入和輸出數據的權重，并對輸入輸出數據進行加權。

步驟4：再次對ADALINE神經網絡進行訓練，并獲取參數辨識結果，若滿足收斂條件，則輸出辨識結果，否則返回步驟3，繼續辨識。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為線路參數的PI型等值模型圖；