一种基于综合判据和神经网络的电压暂降源定位方法技术

本发明专利技术公开了一种基于综合判据和神经网络的电压暂降源定位方法。该方法包括三个步骤：包含简单定位判据和暂降特征的全面特征量提取、形成基于神经网络训练的综合判据、利用综合判据进行电压暂降源定位。本发明专利技术利用神经网络提出一种基于现有的电压暂降源定位方法上的综合判据，适用于大数据背景下的电力系统的电压暂降源的定位，提高了定位的准确度。

A method of voltage sag source location based on synthesis criterion and neural network

The invention discloses a voltage sag source positioning method based on a comprehensive criterion and a neural network. This method consists of three steps: including simple location criteria and comprehensive feature extraction of sag characteristics, forming comprehensive criteria based on neural network training, and using comprehensive criteria to locate voltage sag source. The invention uses neural network to propose a comprehensive criterion based on the existing voltage sag source positioning method, which is applicable to the positioning of voltage sag source in power system under the background of big data, and improves the positioning accuracy.

【技术实现步骤摘要】
一种基于综合判据和神经网络的电压暂降源定位方法
本专利技术属于电力系统领域，尤其涉及一种电压暂降源定位方法。
技术介绍
随着电网中电力电子设备的应用与敏感设备的投入，电能质量问题日益受到广泛的关注。电压暂降作为其中一种重要的电能质量问题，其定位具有界定事故双方责任、降低经济损失并解决纠纷的意义。现有的电压暂降源定位方法都有各自的适用范围及定位缺陷，因此在实际复杂的电力系统定位中准确度受到影响。神经网络通过改变内部节点的数量和连接关系，组建合理的网络结构来实现计算目标，具有较强的非线性映射能力，可对特征空间进行较为复杂的划分。利用神经网络的方法对电压暂降源进行定位，可以在基于现有的定位方法上综合判据，提高定位的准确度。
技术实现思路
本专利技术的技术方案是，一种基于综合判据和神经网络的电压暂降源定位方法。其特征是综合现有的电压暂降源定位判据，通过输入计算得到的特征量训练神经网络，利用训练好的神经网络对未知的电压暂降源进行定位。暂降源的上下游位置关系如图1所示。本专利的神经网络包括输入层、隐含层、输出层三部分，输入层是计算得到的特征量，输出层是电压暂降源定位的结果，隐含层是通过大量数据对神经网络进行训练后得到的特征量与电压暂降源定位结果之间的关系。该方法流程图如图2所示，按照流程图，该方法实施步骤如下：步骤1：包含简单定位判据和暂降特征的全面特征量提取本专利提取的特征量包括两部分，第一部分是电压暂降源简单定位的特征判据，包括扰动能量DE、阻抗实部Re、系统轨迹斜率k、三相电流实部Icosθ；第二部分是电压暂降期间的暂降特征量，包括三相的电压幅值特征U、斜率特征γ、谐波特征Δh、相位跳变以及三相不平衡度Uub。，电压暂降期间的暂降特征量的定义如下：(1)电压幅值电压幅值特征量包括暂降期间的电压平均值和电压最小值：其中，U1是暂降期间的电压基波瞬时值。(2)电压斜率电压斜率特征量包括在电压暂降发生时的下降斜率和电压恢复时的上升斜率：其中，Usag为电压幅值，Td和Tu分别为电压下降时间和电压恢复时间。(3)谐波含量谐波含量指电压暂降前后谐波含量的变化：其中，下标h代表谐波有效值，下标1代表基波有效值。(4)相位跳变相位跳变值在暂降前后电压基波相位的变化：其中，为电压基波的相角。为暂降期间电压基波的相角；为暂降前电压基波的相角。(5)三相不平衡度其中，Ua1，Ub1，Uc1分别为ABC三相相电压基波幅值。步骤2：形成基于神经网络训练的综合判据定义如下形式的综合判据：F＝F1+F2＝α1f1+α2f2+…+αnfn\*MERGEFORMAT(6)其中，F1为电压暂降源定位的特征判据，F2为电压暂降期间的暂降特征量，fn为组成综合判据的各项特征值，各个α为各项特征值对应的权重。权值通过如图3所示的神经网络训练得到。隐含层是神经网络的核心部分，它包含了特征量与电压暂降源定位结果的映射关系。设置本专利技术神经网络的隐含层为1层，神经元节点为10个。本专利技术电压暂降源定位的目标值是：当上游发生电压暂降为-1；当下游发生电压暂降为1。目标函数为神经网络输出值与目标值之间方差的最小值。通过训练调整隐含层的数值，就能准确地获得特征量与定位结果之间的关系。步骤3：利用综合判据进行电压暂降源定位将电压暂降数据输入到训练好的神经网络，就可以对电压暂降源进行定位。用回归值R来验证本专利技术神经网络的可靠性，R表征神经网络的目标值和输出值之间的相关性：R值为1表示密切关系，0表示随机关系。附图说明图1电压暂降源定位方向说明图；图2定位流程图；图3神经网络结果图；图4实施例系统图；图5实施例结果图；具体实施方式下面结合说明书，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本专利技术的范围及其应用。本专利技术提供了一种综合、高效的电压暂降源定位方法，在系统各处分别设置故障点，故障类型分别设置为三相接地故障、两相接地故障、两相故障以及单相接地故障，该方法的具体实现如下：1、提取特征量利用改进的IEEE14节点模型如图4所示，仿真四种故障和不同接地电阻导致的电压暂降以及仿真变压器投入产生的电压暂降，共得到80组电压暂降数据样本。对数据样本进行归一化处理，对电压暂降源定位的特征判据(包括DE、Re、k、Icosθ)和电压暂降期间的暂降特征量(包括U、γ、Δh、Uub)进行计算。2、训练神经网络将归一化后的80组样本数据中的48组用于神经网络的训练，16组用于验证，16组用于测试。通过输入的样本数据计算目标函数来训练神经网络，得到特征量与电压暂降源定位结果的映射关系。3、利用训练好的神经网络对电压暂降源进行定位结果如图5所示。三组回归值R分别为：R训练值＝1，R验证值＝0.99905，R测试值＝0.99988，可见训练后的神经网络输出值和目标值一致，验证了本专利技术提出的基于综合判据和神经网络的电压暂降源定位方法准确度高。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本专利技术的保护范围之内。因此，本专利技术的保护范围应该以权利要求的保护范围为准。本文档来自技高网...

【技术保护点】
1.一种基于综合判据和神经网络的电压暂降源定位方法其特征是综合现有的电压暂降源定位判据，通过输入计算得到的特征量训练神经网络，利用训练好的神经网络对进行电压暂降源定位。/n

【技术特征摘要】
1.一种基于综合判据和神经网络的电压暂降源定位方法其特征是综合现有的电压暂降源定位判据，通过输入计算得到的特征量训练神经网络，利用训练好的神经网络对进行电压暂降源定位。


2.一种权利要求1所述基于综合判据和神经网络的电压暂降源定位方法，其特征是该方法包含三个步骤：包含简单定位判据和暂降特征的全面特征量提取，形成基于神经网络训练的综合判据，利用综合判据...

【专利技术属性】
技术研发人员：刘朝章，赵金勇，武巍，卢泽光，张波，陈钰，张志强，张小虎，祝成，张兆斌，魏本成，柴璐，
申请(专利权)人：国网山东省电力公司德州供电公司，
类型：发明
国别省市：山东;37