[发明专利]一种配电网单相接地故障选线方法

说明书

本发明涉及一种配电网单相接地故障选线方法，包括以下步骤：1、从小电流接地系统中提取故障特征，构建配电网单相接地故障神经网络选线模型；2、基于蚁群算法对神经网络选线模型训练，找到神经网络参数的最优值；3、基于蚁群算法完成配电网单相接地故障选线。本发明在已有单相接地故障选线方法的基础上，引入了改进蚁群算法，通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练，完成训练的神经网络模型即可实现故障选线。本发明将蚁群算法应用于配电网单相接地故障选线系统，克服了基于神经网络的故障选线方法的不足，有效地提高了神经网络的训练速度和选线的精度。

技术领域

本发明属于配电网单相接地故障选线技术领域，具体涉及到一种基于改进蚁群算法的配电网单相接地故障选线方法。

背景技术

我国在6～66kV电网领域中主要采用小电流接地方式，在发生单相接地故障时，可以带接地故障运行2h，以提高供电可靠性。但是，如果接地电流较大或者发生永久性接地故障，接地电弧将持续燃烧，并发生弧光接地过电压，进而可能引发相间短路故障。

至今，许多变电站仍然使用人工拉路方法查找故障线路。随着电网自动化水平的不断发展，小电流接地故障选线问题需要从根本上予以解决。因此，研究准确度高、可靠性强的自动选线技术，对提高供电可靠性和电网自动化水平具有十分重要的现实意义。

发明内容

本发明拟解决的技术问题是，提出一种基于改进蚁群算法和神经网络的配电网单相接地故障选线方法，本发明为解决上述技术问题所采用的技术方案如下：

一种配电网单相接地故障选线方法，包括以下步骤：

步骤1、从小电流接地系统中提取故障特征，构建配电网单相接地故障神经网络选线模型；

步骤2、基于蚁群算法对神经网络选线模型训练，找到神经网络参数的最优值；

步骤3、基于蚁群算法完成配电网单相接地故障选线。

本发明的有益效果：

本发明在已有单相接地故障选线方法的基础上，引入了改进蚁群算法，通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练，完成训练的神经网络模型即可实现故障选线。本发明将蚁群算法应用于配电网单相接地故障选线系统，克服了基于神经网络的故障选线方法的不足，有效地提高了神经网络的训练速度和选线的精度。

附图说明

为了更清楚地说明本发明的具体实施方式、或者现有技术中的技术方案，下面将对具体实施方式或现有技术的描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图是本发明的一些具体实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的属于本申请保护范围之内的附图。

图1是本发明实施例的单相接地故障选线步骤流程图。

具体实施方式

下面结合附图，具体说明本发明的实施方式。

如图1所示，是本发明实施例的单相接地故障选线步骤流程图。一种基于改进蚁群算法和神经网络的配电网单相接地故障选线方法，包括以下步骤：

步骤1、小电流接地系统故障特征提取。

1.1、暂态特征提取。

在小电流接地系统中，发生单相接地故障时，故障线路零序电流的稳态分量能量较小，而暂态分量能量较大，所以，提取暂态分量较容易实现故障选线。

由于快速傅里叶变换(FFT)只能对平稳信号进行精确分析，而对非平稳信号处理能力较弱；小波变换分析不仅可以处理平稳信号，而且还能对非平稳信号进行精确分析，而暂态零序电流信号是非平稳信号，所以用小波变换分析可以实现对暂态零序电流信号的精确处理。