[发明专利]一种基于BP神经网络的节点电压暂降幅值计算方法

说明书

技术领域

本发明涉及电能质量分析与控制技术领域，具体来说涉及一种基于BP神经网络的节点电压暂降幅值计算方法。

背景技术

电能作为一种商品，也有质量的要求。随着经济的发展和电网规模的不断扩大，电能质量逐渐成为用户和供电企业关心的热点问题。其中，由于电压暂降影响范围广、对敏感设备影响较大、给工业用户带来巨额经济损失等原因，电压暂降问题已经被公认为是影响用电设备正常、安全运行的最主要的电能质量问题，在工业发达国家和地区已经受到广泛的关注。传统的故障后节点电压的计算一般是利用专门的电力系统分析软件来进行计算，需要很高的计算机配置和大容量的内存，计算方法复杂，计算效率不高，所需要的计算参数文件是固定的格式。

发明内容

针对现有方法的局限性，本发明提供了一种基于BP神经网络的节点电压暂降幅值计算方法，用来实现对电网故障后各节点电压暂降幅值进行快速的计算，对于电网的风险评估，电网薄弱环节查找、电网改造、故障分析、日常运行操作维护等方面的提供助参考依据。

本发明所的技术解决方案是：

一种基于BP神经网络的节点电压暂降幅值计算方法，包括以下步骤：

1.随机选取一批故障点，并确定这些故障点电压暂降幅值的影响因素作为故障点参数；

2.生成训练故障点集，计算所述故障点的故障后节点电压暂降幅值；

3.以步骤1的所述故障点参数作为输入向量，用对应的步骤2所述的故障后节点电压暂降幅值作为输出向量，形成训练样本；

4.依据所述输入向量和输出向量构造BP神经网络(人工神经网络)模型；

5.利用所述训练样本对BP神经网络模型进行训练，得到训练后的BP神经网络模型；

6.选定待计算节点及其故障点参数，生成测试输入向量，将测试输入向量输入训练后的BP神经网络模型，其输出就是待计算节点的故障后节点电压暂降幅值。

步骤1中所述的影响因素包括：故障类型T，故障点位置λ，故障线路两端与待计算节点的阻抗值Z₁，Z₂；所述的故障类型包括4类，分别为：单相故障，两相故障，两相接地故障，三相故障；所述的输入向量维数为4。

相比于传统的计算方法，本发明提出的计算该方法具有以下优势：1、计算参数少，计算流程简单，计算效率高；2、采用BP神经网络模型，利用其以任意精度逼近任意连续函数的性质，通过模型的自动学习，将预测因素间的内在联系通过神经BP神经网络的权值分布实现隐性表达，计算的准确性高。

附图说明

图1基于BP神经网络的节点电压暂降幅值计算方法流程图。

具体实施方式

本发明的思路是利用BP神经网络建立故障后节点电压暂降幅值的计算方法，利用该模型计算故障后指定节点的电压暂降幅值。

下面结合附图1对本发明的具体实施方式作进一步说明：

Step1：确定节点电压暂降幅值的影响因素作为故障点参数；所述影响因素包括：故障类型T，故障点位置λ，故障线路两端与待计算节点的阻抗值Z₁，Z₂。

具体步骤如下：

1.1.在电网中随机选择1000个不同的故障点，对每个故障点随机分配一种故障类型，对每个故障点确定一个待计算节点电压暂降幅值的节点号，并用节点号表示故障线路：线路(j,k)；其中j和k分别为始、末节点号，且j<k；

1.2.确定每个故障点所在的故障线路，若故障发生在线路上，则计算该故障线路上节点编号最小的节点到故障点的距离与故障线路长度的比值，得到故障位置λ的值；例如在线路α(j,k),(j＜k)上发生故障，故障点为f，则故障位置λ＝L_jf/L_jk。如果故障点不是发生在线路上，而是发生在节点上，在选取与故障节点相连的所有节点中编号最小的节点与故障节点构成故障线路α(j,k),(j＜k)，若故障发生在线路始端，则λ＝0，若故障发生在末端，则λ＝1；

1.3.确定每个故障类型的值T。故障类型包括4类，并用数字表示故障类型：0表示单相故障，0.3表示两相故障，0.6表示两相接地故障，1表示三相故障；