[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

说明书

本发明公开了一种基于确定学习的电力系统输电线短路故障诊断方法，具体按照以下步骤进行：S1.建立多机电力系统模型；S2.定义短路故障动态、故障影响集和子系统故障集；S3.学习短路故障动态；S4.构造短路故障监测器和残差范数；S5.设计短路故障快速诊断策略，用于对输电线上的短路故障进行快速诊断。该诊断方法通过运用确定学习，可以保证满足部分持续激励条件，从而保证神经网络权值的收敛到最优值，通过运用局部激活算子，可以只激活系统轨迹附近的神经元，从而大大降低了计算负荷，同时通过使用知识可以实现快速的短路故障诊断。

技术领域

本发明涉及电力系统故障诊断领域，尤其涉及一种基于确定学习的电力系统输电线短路故障诊断方法。

背景技术

快速故障诊断对电力系统的安全可靠运行具有极其重要的意义。电力系统中的故障若不进行及时处理，可能引起严重的后果，甚至导致大规模停电。在过去的几十年，电力系统故障诊断问题引起了人们的广泛关注。其中为了解决输电线的故障诊断问题，研究人员提出各种各样的技术，这些技术主要可分为两类：一类方法是基于继电保护和断路器的动作信息来进行故障区域以及故障元件的诊断，如优化方法、基于Petri网的诊断方法以及基于专家系统的诊断方法等。另一类方法是通过使用高采样频率的测量装置和动态观测器技术，利用系统的动态特性进行故障诊断，如基于自适应学习的电力系统动态故障诊断方法和基于贝叶斯学习的电力系统故障诊断方法。

电力系统故障诊断的一个关键问题是如何对故障做出快速的判断。对于预期故障，可以实现对故障的快速响应。然而,电力系统中存在着各种不确定性和非预期故障。这使得对电力系统的快速诊断是一个非常困难的问题。另一方面，随着信息和通信技术的发展，从各种测量装置可以收集到大量的数据，因此利用学习方法来提取和积累知识是一种很有前途的电力系统故障诊断方法。

与本发明最近似的实现方案是基于自适应学习的电力系统分布式故障诊断方法。该方法主要是针对一类互联多机电力系统，系统中每台同步电机通过传输线与其他同步电机互联，其中，同步电机之间的相互作用是非线性的。该方法利用相邻同步电机传输过来的系统状态信息来构造分布式故障监测器，利用自适应学习方法估计故障的参数，再通过估计参数的收敛范围来设计自适应阈值，最后根据估计误差和自适应阈值来判断故障是否发生以及故障发生的类型。

现有的方法大致可分为两类：第一类方法是从断路器信息，继电保护信息来诊断故障的，例如优化方法、基于Petri网的诊断方法以及基于专家系统的诊断方法。这类方法的主要目的是为维护和维修所提供诊断信息的，没有刻画故障对实际电力系统动态特性的影响，不适用为系统暂态稳定控制提供诊断依据。

第二类方法是通过构造动态观测器，利用系统的动态特性进行故障诊断的，例如自适应学习方法和贝叶斯学习方法。基于学习的方法通过学习来获取电力系统的发生故障时的动态特性。但是学习过程中需要在线调节参数，所以耗费的时间一般比较长。另外，基于自适应学习方法无法保证满足持续激励条件，不能保证神经网络的参数收敛到最优值。另外，使用学习方法的另一个问题是需要强大的计算能力。学习过程的计算量往往随着数据量和维数的增长而呈指数增长。这使得学习方法难以处理从电力系统收集的大量高维数据。

发明内容

本发明提供的一种基于确定学习的电力系统输电线短路故障诊断方法，保证了神经网络权值的收敛性同时在学习过程中减少了计算量；诊断结果可以为电力系统发生短路故障时的暂态稳定控制提供诊断依据，所学的暂态动力学习知识也可进一步用于暂态稳定控制过程中，本发明采用的技术方案如下：

一种基于确定学习的电力系统输电线短路故障诊断方法，包括以下步骤：

S1.利用图论来描述电力系统的拓扑结构，拓扑结构的图论可表示为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；

用电力系统三阶经典动力学模型，多机电力系统中第i台同步电机的模型如下：