[发明专利]一种基于人工神经网络的特高压直流输电线路的故障定位方法

说明书

本发明公开了一种基于人工神经网络的特高压直流输电线路的故障定位方法，包括以下步骤：获取直流线路两端测量点的故障电压信号、电流信号；解耦得到线模分量；对线模分量进行小波变换，得到不同尺度信号，求取首波头幅值比；将得到的电压、电流信号线模分量首波头幅值比作为神经网络的输入样本，故障距离作为输出样本集，对神经网络进行训练，形成故障测距神经网络，将电压、电流信号线模分量首波头幅值比的测试样本输入训练好的神经网络得到故障距离；采用全局几何平均最优法进行结果优化。本发明能够实现输电线路的故障测距，具有精度较高，耐受过渡电阻能力强的优点。

技术领域

本发明涉及一种基于人工神经网络的特高压直流输电线路的故障定位方法，属于电力系统线路保护技术领域。

背景技术

特高压直流输电具有输送容量大、送电距离远、线路走廊窄等优点，因此在远距离电能传输方面具有明显的优势。我国幅员辽阔、能源与负荷呈逆向分布，决定了特高压直流输电技术在我国具有广阔的应用前景。直流输电线路是直流系统故障率最高的元件，由于直流输电线路一般较长，沿线地形复杂，环境恶劣，通过巡线的方式准确查找故障点变得异常困难，这严重影响了永久性故障的恢复时间。因此，研究准确、快速的直流输电线路故障测距技术具有较高的实用价值。

目前特高压直流输电线路故障测距主要采用行波法和故障分析法。行波故障定位通过测量暂态行波在故障点与测量点之问的传输时间来实现故障测距，其响应速度快，理论上不受线路类型、故障类型、接地电阻和两侧系统参数等因素的影响，具有较高的测距精度。但行波故障定位也存在一些缺点，例如，测距结果受制于故障行波波头检测的准确性。任何行波波头检测失败的情况都将导致行波故障测距将无法进行。故障分析法是根据系统有关参数和测量得到的电压、电流，通过分析计算，求出故障点的距离。故障分析法简单易行，可借助现有的故障录波器达到测距的目的。其对采样率要求低，可靠性较高，但受线路参数的精确度影响、定位精度相对于行波原理较差。

发明内容

本发明提出了一种基于人工神经网络的特高压直流输电线路的故障定位方法，本方案采用故障电压行波与故障电流行波相结合的手段，不仅充分利用故障信息，也弥补了对单纯采用电压行波或者电流行波测距的不足，使得测距结果更加优化、准确。

为了实现上述目的，本发明包括以下步骤：

步骤1、获取直流线路两端测量点的故障电压信号、电流信号；

步骤2、解耦得到故障电压信号、电流信号线模分量；

步骤3、对故障电压信号、电流信号线模分量进行小波变换，得到不同尺度信号，求取故障电压信号、电流信号线模分量首波头幅值比；

步骤4、将步骤3中得到的电压信号线模分量首波头幅值比作为神经网络的输入样本，故障距离作为输出样本集，对神经网络进行训练，形成故障测距神经网络I，将电压信号线模分量首波头幅值比的测试样本输入训练好的神经网络I得到故障距离X1；将步骤3中得到的电流信号线模分量首波头幅值比作为神经网络的输入样本，故障距离作为输出样本集，对神经网络进行训练，形成故障测距神经网络II，将电流信号线模分量首波头幅值比的测试样本输入训练好的神经网络II得到故障距离X2；

步骤5、采用全局几何平均最优法进行结果优化。

所述步骤1中，当输电线路发生故障时，从输电线路两端量测点分别获取线路的电流信号与电压信号，仿真采样频率为100kHz。

所述步骤2中，取故障前后5ms时窗内的线路两端暂态电压、电流信号，对其进行解耦变换得到独立的暂态电压、电流线模分量。