[发明专利]多特征判据电力变压器保护状态识别方法

摘要

本发明公开了一种多特征判据电力变压器保护状态识别方法，以解决现有变压器保护识别判断方法存在的不足；本发明将电流波形按照四分之一周期、二分之一周期、一个周期分别做差值取样，并分别计算差值的相对差作为三个判据，再加上低电压判断，共四个判据送入事先基于统计数据训练完成的神经网络，然后基于神经网络的输出，取最大似然的识别编码，得到变压器保护状态。本发明采用四个判据，更加深入地挖掘变压器中电流电压所含信息，使判断更加准确；使用智能的神经网络判断系统，尽可能的消除误判；将统计数据集成在神经网络中，实际使用中，无需反复对照统计数据就能直观有效地做出故障判断。

主权项

一种多特征判据电力变压器保护状态识别方法，其特征在于，包括以下步骤：1)由电流波形、低电压判据构成判据向量设判据向量为：F＝[f₁,f₂,f₃,f₄]，其中f₁为λ/4电流波形判据，λ表示周期，f₁由下式计算得出：$f_1=\min (\frac{\frac{\underset{i=0}{\overset{N/4}{\mathrm{\Σ}}}\frac{|I_i+I_{N/2-i}|}{I_i}}{N/4}+\frac{\underset{i=N/4}{\overset{N/2}{\mathrm{\Σ}}}\frac{|I_i+I_{N/2-i}|}{I_i}}{N/4}}{2},\frac{\frac{\underset{i=0}{\overset{N/4}{\mathrm{\Σ}}}\frac{|I_i-I_{N/2-i}|}{I_i}}{N/4}+\frac{\underset{i=N/4}{\overset{N/2}{\mathrm{\Σ}}}\frac{|I_i-I_{N/2-i}}{I_i}}{N/4}}{2})$f₂为λ/2电流波形判据，由下式计算得出：$f_2=\frac{\underset{i=0}{\overset{N/2}{\mathrm{\Σ}}}|I_i-(-1)I_{i+N/2}|}{N/2}$f₃为λ电流波形判据，由下式计算得出：$f_3=\frac{\underset{i=0}{\overset{N}{\mathrm{\Σ}}}|I_i-I_{N-i}|}{N}$f₄为低电压判据，由下式计算得出$f_4=\frac{\underset{i=0}{\overset{N}{\mathrm{\Σ}}}\left\{\begin{array}{c}1............................................\frac{U}{U_i}>0.7\\ 0.3+(0.7-0.3)\frac{U}{U_i}...0.3\<\frac{U}{U_i}\<0.7\\ 0...........................................\frac{U}{U_i}\<0.3\end{array}\right.}{N}$上式中N表示一个周期的取样数，I_i表示第i个取样点的电流值，U_i表示第i个取样点的电压值，U表示额定电压；2)将正常工作、电路涌动、内部电路故障和外部电路故障分别编码为00、11、01、10，统计以往运行状态数据，处理出各个变压器保护状态所对应的各种判据的数据集，将判据向量作为输入，变压器状态编码作为输出，采用BP神经网络，附加动量学习规则，训练四输入两输出的神经网络，将训练好的神经网络写入变压器保护状态识别系统；3)在对变压器保护状态进行识别时，对实时采集的变压器电流电压采用步骤1)中计算公式计算判据向量F＝[f₁,f₂,f₃,f₄]，送入变压器保护状态识别系统的神经网络中，得出神经网络输出向量；4)由最大似然估计法，确定变压器的状态编码，完成变压器状态保护识别，返回步骤3)，等待下次识别请求。