一种基于RBF神经网络的行波法配电网接地故障定位方法技术

本发明专利技术公开了一种基于RBF神经网络的行波法配电网接地故障定位方法，通过行波法得到故障点所在位置与测量点的距离长短，但由于配电网结构复杂，线路分支多等原因，仅靠距离无法判定具体的故障位置。因此，在得出故障距离后，确定在该距离下所有可能出现故障点所在的分支线路，然后通过RBF神经网络方法提取不同分支的故障波形特征，对故障点在哪一分支进行准确判断。通过将C型行波法和RBF神经网络相结合，从而达到迅速精准确定位故障点的目的。

【技术实现步骤摘要】
一种基于RBF神经网络的行波法配电网接地故障定位方法
本专利技术涉及一种用于配电网自动化领域的基于RBF神经网络的行波法配电网接地故障定位方法。
技术介绍
目前配电网在城市以外地区进行建设时仍然存在很大的问题。一些地区由于大面积植树造林，树木快速生长，不能友好解决树线矛盾，此外鸟类影响、绝缘化率低、灾害性天气等客观原因都极易造成导线的短路或者接地。一旦配网发生故障后，受地理条件、夜间照明不足、恶劣天气等因素的影响，使得工作人员查找接地故障位置时间长，影响了电力供应。而长时间的接地故障对设备本身的绝缘也有一定影响，一旦接地故障发展成多点故障，容易造成跳闸事故。通过调研发生目前单相接地故障时,即使部分变电站已安装了小电流选线装置，但由于精度较低，一般还是依靠逐条出线拉闸停电来判断故障线路,严重影响供电的可靠性。目前传统的故障选线采用比较零序电流方法,不便在馈线保护中实现，仅仅对变电站出线进行故障选线，无法定位故障区段。且对于10千伏配电线路以放射状为主的配网，供电变径较长，配电网线路分支较多，当线路发生接地故障时，检修人员需要从变电站站出线开始，沿着故障线路，找到下一级分支点，然后通过人工试拉的杆刀方式确定具体的故障线路区段。该故障查找方法，人力投入较大，故障排查时间较长，给系统的安全运行带来隐患。
技术实现思路
本专利技术的目的是为了克服现有技术的不足，提供一种基于RBF神经网络的行波法配电网接地故障定位方法，它能够协助工作人员进行多分支配电网接地故障的高效定位。实现上述目的的一种技术方案是：一种基于RBF神经网络的行波法配电网接地故障定位方法，包括如下步骤：步骤1，测量步骤，采用C型行波法进行接地故障距离位置定位，包括如下步骤；步骤1.1，在多终端配电网的首端的正常相和故障相于时间点t1分别输入一个行波信号；步骤1.2，在多终端配电网的首端进行经过反射的行波信号的波形测量，得到正常相行波信号波形和故障相行波信号波形；步骤1.3，比较正常相行波信号波形和故障相行波信号波形，找到二者之间的首个差异时间点t2；步骤1.3，计算故障点与测量点间的距离，其公式如下：式中，XL为接地故障点到测量点间的距离，V为行波信号波速；步骤2，接地点模拟数据库建立，运用ATP软件模拟接地点电流电压波形，形成线路接地状态下数据库文件，包括如下步骤；步骤2.1，在ATP软件中按实际线路运行方式建立等效线路模拟运行图；步骤2.2，在ATP软件中，输入线路参数(包括电流、电压、频率、线路长度、线路上变压器等效电容)，通过在不同线路支路发生接地状态下，得到电流、电压变化数据值，形成关键电气量(电流、电压)数据库文件；步骤3，RBF神经网络接地点故障定位训练步骤，将ATP软件形成的数据库文件作为训练样本，存入P_train文件，将多终端配电网的不同分支设为各不相同的故障类型，存入T_train文件中；采用RBF神经网络法对故障点的位置与输入线路参数状态的对应关系进行训练，得到RBF神经网络接地点故障定位模型；步骤4，将实际发生故障电流、电压波形值输入已训练好的RBF神经网络接地点故障定位模型，输出多终端配电网的分支范围；步骤5，定位步骤，根据故障点与测量点间的距离XL和多终端配电网的分支范围两个条件，具体定位多终端配电网的具体接地故障位置。本专利技术的一种基于RBF神经网络的行波法配电网接地故障定位方法，通过使用行波法的方法定位电源出口至接地故障点间的距离，由于配电网网架的复杂性，分支的多特性，在配网范围内相同距离下存在多个节点的可能性，运用ATP软件生成线路各位置接地故障下的关键电气量变化值，通过RBF神经网络算法对这些数据进行训练，将关键电气量变化值输入RBF神经网络算法模型，当运行过程中发现这些关键数据发生变化时就能确定接地故障的分支范围。将故障点距离信息和故障点的配网分支范围信息相结合，即可得到准确故障点位置信息。附图说明图1为本专利技术的一种基于RBF神经网络的行波法配电网接地故障定位方法的接地故障点F到测量点M间的距离测量的原理图；图2为本专利技术的一种基于RBF神经网络的行波法配电网接地故障定位方法的RBF神经网络功能原理图；图3位本专利技术的一种基于RBF神经网络的行波法配电网接地故障定位方法的RBF神经网络从输入神经元X到隐含层输入值r的功能原理图。具体实施方式为了能更好地对本专利技术的技术方案进行理解，下面通过具体地实施例并结合附图进行详细地说明：本专利技术的一种基于RBF神经网络的行波法配电网接地故障定位方法，包括如下步骤：步骤1，测量步骤，采用C型行波法进行接地故障距离位置定位，包括如下步骤；步骤1.1，在多终端配电网的首端的正常相和故障相于时间点t1分别输入一个行波信号；步骤1.2，在多终端配电网的首端进行经过反射的行波信号的波形测量，得到正常相行波信号波形和故障相行波信号波形；步骤1.3，比较正常相行波信号波形和故障相行波信号波形，找到二者之间的首个差异时间点t2；步骤1.3，计算故障点与测量点间的距离，其公式如下：式中，XL为接地故障点到测量点间的距离，V为行波信号波速；步骤2，接地点模拟数据库建立，运用ATP软件模拟接地点电流电压波形，形成线路接地状态下数据库文件，包括如下步骤；步骤2.1，在ATP软件中按实际线路运行方式建立等效线路模拟运行图；步骤2.2，在ATP软件中，输入线路参数(包括电流、电压、频率、线路长度、线路上变压器等效电容)，通过在不同线路支路发生接地状态下，得到电流、电压变化数据值，形成数据库文件；步骤3，RBF神经网络接地点故障定位训练步骤，将ATP软件形成的数据库文件作为训练样本，存入P_train文件，将多终端配电网的不同分支设为各不相同的故障类型，存入T_train文件中；采用RBF神经网络法对故障点的位置与输入线路参数状态的对应关系进行训练，得到RBF神经网络接地点故障定位模型；步骤4，将实际发生故障电流、电压波形值输入已训练好的RBF神经网络接地点故障定位模型，输出多终端配电网的分支范围；步骤5，定位步骤，根据故障点与测量点间的距离XL和多终端配电网的分支范围两个条件，具体定位多终端配电网的具体接地故障位置。确定发射和接收行波信号时间t1、t2的关键是确定故障点的反射波。通过在正常相和故障相分别注入一个人工信号，这两个行波信号在到达故障点前波形都是一致的，直到故障相所在的行波信号抵达故障点出时会发生异于正常相所在行波信号的反射，将正常相与故障相的行波信号进行比较，两个波形的首个差异点就是来自故障点的反射波，该反射波形就是故障点的反射波。请参阅图2，所述RBF神经网络包括输入层、隐藏层和输出层，所述隐含层采用径向基函数作为激励函数，该径向基函数通常为高斯函数。请参阅图2，所述输入层的每个神经元的权值向量W1和输入向量X之间的距离乘以径向基函数阈值b1作为其自己的隐含层的输入，可得隐含层的输入k。对于从第i次训练到第j次训练的RBF神经网络，有而第i次训练后隐含层的输出为：输出层的输入为各隐含层神经元输出的加权求和。由于激励函数为纯线性函数，输出y为：其中，w2i为经过i次训练后的隐含层与输出层间的权值向量。RBF网络的训练过程分为两步：第一步为无教师式学习，确定训练输入层与隐含层间的权值w1；第二步本文档来自技高网...

【技术保护点】
1.一种基于RBF神经网络的行波法配电网接地故障定位方法，其特征在于，包括如下步骤：步骤1，测量步骤，采用C型行波法进行接地故障距离位置定位，包括如下步骤；步骤1.1，在多终端配电网的首端的正常相和故障相于时间点t1分别输入一个行波信号；步骤1.2，在多终端配电网的首端进行经过反射的行波信号的波形测量，得到正常相行波信号波形和故障相行波信号波形；步骤1.3，比较正常相行波信号波形和故障相行波信号波形，找到二者之间的首个差异时间点t2；步骤1.3，计算故障点与测量点间的距离，其公式如下：

【技术特征摘要】
1.一种基于RBF神经网络的行波法配电网接地故障定位方法，其特征在于，包括如下步骤：步骤1，测量步骤，采用C型行波法进行接地故障距离位置定位，包括如下步骤；步骤1.1，在多终端配电网的首端的正常相和故障相于时间点t1分别输入一个行波信号；步骤1.2，在多终端配电网的首端进行经过反射的行波信号的波形测量，得到正常相行波信号波形和故障相行波信号波形；步骤1.3，比较正常相行波信号波形和故障相行波信号波形，找到二者之间的首个差异时间点t2；步骤1.3，计算故障点与测量点间的距离，其公式如下：式中，XL为接地故障点到测量点间的距离，V为行波信号波速；步骤2，接地点模拟数据库建立，运用ATP软件模拟接地点电流电压波形，形成故障相线路接地状态下关键电气量(电流、电压)数据库文件，包括如下步骤；步骤2.1，在ATP软件中按实际线路运行方...

【专利技术属性】
技术研发人员：施勇，马青云，施海斌，陈寒冬，宋亚君，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：上海,31