[发明专利]一种基于确定学习的电力系统输电线短路故障诊断方法

权利要求书

1.一种基于确定学习的电力系统输电线短路故障诊断方法，电力系统包括n台同步电机通过输电线相互连接，其特征在于，包括以下步骤：

S1.利用图论来描述电力系统的拓扑结构，拓扑结构的图论表示为G(V,ε)，其中是结点集合，结点i对应于第i台同步电机，是边集合，(i,j)表示第i台同步电机和第j台同步电机相连接，是邻近集，表示与第i台同步电机相连接的同步电机集合；

采用电力系统三阶经典动力学模型描述多机电力系统，并对同步电机输出功率求导获得其动力学方程，其动力学方程包含已知的系统局部动态和未知的互联项动态；

S2.定义短路故障动态、故障影响集和子系统故障集；其中通过互联项动态来刻画短路暂态过程的故障状态，通过故障影响集和子系统故障集来描述故障与同步电机之间的关系；

S3.建立学习系统对短路故障进行学习训练，该系统包括RBF神经网络动态观测器、权值更新法则、神经元编码法则和局部激活算子，其中：

RBF神经网络动态观测器：

同时P_ei是电磁功率，T′_d0i是直轴暂态短路时间常数，ν_fi是第i台同步电机励磁回路输入，P_mi0是机械输入功率；

权值更新法则：

其中是动态观测器的状态，其中且a_i＞0是观测器增益，是局部RBF神经网络，是权值更新增益，用来逼近互联项γ_i(z_i)；

神经元编码法则：对于一个RBF网络其神经元中心均匀分布在区域上，其中分别是区域第q维的最小值和最大值，该RBF网络的神经元编码按照以下式子设计：

其中Β_c(ξ_i)表示网络中神经元中心为ξ_i的神经元的编号，ξ_i＝[ξ_i1,ξ_i2,...,ξ_iq]^T表示第i个神经元中心，q为神经网络中心点ξ_i的维数，是神经网络的起始点，即最接近神经网络逼近区域Ω_z的起始点的神经元中心点，M₀＝1,M_k(k＝1,...,q-1)是神经网络逼近区域Ω_z中第k维的神经元数目，σ表示两个相邻近的神经元的距离，ξ_ij是向量ξ_i中的第j个元素，是向量中的第j个元素；

局部激活算子描述如下：

其中N_i＝Β_c(ξ_i)表示神经网络中神经元中心为ξ_i的神经元编号，Υ[·]为取整符号，z＝[z₁,z₂,...,z_q]^T是神经网络的输入点，ρ是神经网络输入的邻域半径，局部激活算子Β_c(z)的作用是选择出在神经网络输入点z附近，即半径为ρ的邻域内的神经元的编号；

S4.构造短路故障监测器和残差范数：对于每一台同步电机，构造一系列短路故障监测器，所述的短路故障监测器嵌入S3所存储的常值神经网络，每一个故障监测器对应一种短路故障模式；

将每个短路故障监测器的状态分别和被监测系统的状态进行比较，把两者之间的状态差异作为残差，并对残差取平均L1范数，可得到一系列残差平均L1范数，简称残差范数；

S5.设计短路故障快速诊断决策，包括局部诊断和全局诊断；

局部诊断：对某一台同步电机，若在S4所产生的一系列残差范数中，存在某一个残差范数小于设定的阈值，并且小于其他残差范数，则判断该残差范数对应的短路故障模式发生；

全局诊断：对某一个影响多台同步电机的全局短路故障，若对在其故障影响集内的所有同步电机，对应的局部诊断器都判断该故障发生，则判断该全局短路故障发生。