[发明专利]一种基于神经网络算法的直流输电线路故障测距方法

说明书

本申请公开了一种基于神经网络算法的直流输电线路故障测距方法，包括：搭建特高压直流输电系统模型；获取所述特高压直流输电系统模型中暂态相互独立的线模分量和零模分量；求取各个尺度内所述线模分量和零模分量首波头模极大值比；构建AdaBoost‑Elman集成神经网络模型；分别组成训练样本集和测试数据集；用所述训练样本集对所述AdaBoost‑Elman集成神经网络模型进行训练；利用所述测试数据集对训练完的所述AdaBoost‑Elman集成神经网络模型进行测试，得到直流输电线路故障距离预测结果，将所述预测结果与真实值进行对比分析，本申请具有预测精度高、泛化能力强、收敛速度快的特点。

技术领域

本申请涉及直流输电系统继电保护技术领域，尤其涉及一种基于神经网络算法的直流输电线路故障测距方法。

背景技术

直流输电线路一般较长，沿线地形复杂，通过巡线的方式查找故障点十分困难，因此研究精确的故障定位方法对快速切除故障和提高输电系统稳定性十分重要。目前特高压直流输电线路故障测距主要依赖于行波故障定位技术。双端行波测距由于需要两端数据通信设备以及要求双端同步采样而很难实现，而单端行波测距成本低、实时性强，但受过渡电阻电弧特性以及系统运行方式等因素的影响，在某些情况下正确识别第二个发射波性质存在一定的困难，精准度低。

发明内容

本申请提供了一种基于神经网络算法的直流输电线路故障测距方法，以解决现有技术中直流输电线路故障单端行波测距方法正确识别第二个发射波性质存在一定的困难、精准度低的问题。

本申请采用的技术方案如下：

一种基于神经网络算法的直流输电线路故障测距方法，包括以下步骤：

搭建特高压直流输电系统模型，所述特高压直流输电系统模型包括：交流系统模型、换流站模型、输电线路模型；

获取所述特高压直流输电系统模型中暂态相互独立的线模分量和零模分量；

求取各个尺度内所述线模分量和零模分量首波头模极大值比；

构建AdaBoost-Elman集成神经网络模型，所述AdaBoost-Elman集成神经网络模型用于根据线模分量和零模分量首波头模极大值比来预测直流输电线路故障距离；

选取不同故障位置、不同过渡电阻下多个尺度内的所述线模分量和零模分量首波头模极大值比作为输入样本值，分别组成训练样本集和测试数据集；

用所述训练样本集对所述AdaBoost-Elman集成神经网络模型进行训练，直至收敛曲线满足实际精度要求；

利用所述测试数据集对训练完的所述AdaBoost-Elman集成神经网络模型进行测试，得到直流输电线路故障距离预测结果，将所述预测结果与真实值进行对比分析。

优选地，所述构建AdaBoost-Elman集成神经网络模型，包括：

将Elman反馈型神经网络与AdaBoost集成算法相结合，通过matlab软件构建AdaBoost-Elman集成神经网络模型。

优选地，所述Elman反馈型神经网络中融入了承接层，所述承接层用于记忆隐含层神经元以前时刻的输出值，使网络具有动态记忆的功能，能够以任意精度逼近任意非线性函数。

优选地，所述获取所述特高压直流输电系统模型中暂态相互独立的线模分量和零模分量，包括：

所述特高压直流输电系统模型中输电线路不同位置、不同过渡电阻下发生接地短路故障时，利用整流侧或逆变侧测量元件提取正负极暂态电压信号；

对所述正负极暂态电压信号进行相模变换解耦，得到相互独立的线模分量和零模分量。

优选地，所述求取各个尺度内所述线模分量和零模分量首波头模极大值比，包括：