基于粒子群优化BP神经网络的配电线路故障检测方法技术

本发明专利技术公开了一种基于粒子群优化BP神经网络的配电线路故障检测方法。通过分析小电流接地系统配电线路三相电流电压波形数据，对单相接地故障和相间短路故障的故障特征量进行提取，建立了基于BP神经网络的配电线路故障检测模型。其次，考虑BP神经网络的训练时间长、易陷入局部最优解的问题，利用粒子群算法对BP神经网络进行优化，以提高模型故障检测的精度。最后，基于故障特征量、配电线路拓扑结构和粒子群优化BP神经网络故障检测方法，得到故障配电线路的中性点接地类型、故障类型及故障位置。本方法可以提升故障类型判断和故障位置判断的精度，比单一模型具有更强的实际适用性。比单一模型具有更强的实际适用性。比单一模型具有更强的实际适用性。

【技术实现步骤摘要】
基于粒子群优化BP神经网络的配电线路故障检测方法


[0001]本专利技术属于配电网小电流接地系统线路故障检测
，涉及基于粒子群优化BP神经网络的配电线路故障检测方法。

技术介绍

[0002]电力系统是国民赖以生存的基础条件，系统的安全稳定运行极为重要。小电流接地配电网线路故障检测问题，传统方法通过人工拉线排除，人力耗费巨大且效率低下，不能及时排除配电线路故障。而现有的智能算法，如谐波法、小波理论法、模糊信息融合算法等，由于算法复杂度、信号干扰及提取故障信息的精确度等原因，应用到现场实际中的效果比较好的算法还是很少，选线正确率并不高，仍无法解决实际电网中面临的问题。此外，单一的配电线路故障检测算法，故障定位效果和适用性较差。

技术实现思路

[0003]本专利技术的目的是提供一种基于粒子群优化BP神经网络的配电线路故障检测方法，主要针对单相接地故障和相间短路故障，解决现有技术中存在的故障定位效果不佳和适用性较差问题。
[0004]本专利技术所采用的技术方案是，基于粒子群优化BP神经网络的配电线路故障检测方法，具体按以下步骤实施：
[0005]步骤1，数据采集；
[0006]步骤2，故障特征量提取；
[0007]步骤3，粒子群优化BP神经网络算法样本训练；
[0008]步骤4，配电线路故障检测。
[0009]本专利技术的特点还在于：
[0010]其中步骤1具体按以下步骤实施：
[0011]根据配电线路三相电流电压历史故障波形图，按照采样频率为0.00002秒，对波形图电流电压数据进行采样；
[0012]其中步骤2具体按照以下步骤实施：
[0013]步骤2.1，故障特征量T1＝[e
iA
,e
iB
,e
iC
]为三相电流特征量，根据式(1)计算得出三相电流i
A
，i
B
，i
C
归一化后数值e
iA
，e
iB
，e
iC
，然后将e
i
的值与设定的阈值进行比较，如果e
i
比设定阈值大，将其看做是1；如果e
i
比设定阈值小，将其看作是0，i为三相电流值，i
max
和i
min
分别为三相电流最大、最小值；
[0014][0015]步骤2.2，故障特征量T2＝[e
uA
,e
uB
,e
uC
]为三相电压特征量，根据式(2)计算得出三相压流u
A
，u
B
，u
C
归一化后数值e
uA
，e
uB
，e
uC
，然后将e
u
的值与设定的阈值进行比较，如果e
u
比设定阈值大，将其看做是1；如果e
u
比设定阈值小，将其看作是0，u为三相电压值，u
max
和u
min
分
别为三相电压最大、最小值；
[0016][0017]其中步骤3具体按照以下步骤实施：
[0018]步骤3.1，将故障特征量T1、T2和配电线路拓扑结构T3作为输入数据，输入至模型输入层，网络输出包括A相单相接地故障、B相单相接地故障、C相单相接地故障、AB相相间短路故障、AC相相间短路故障、BC相相间短路故障6种故障类型；
[0019]步骤3.2，确定BP神经网络输入层、隐含层和输出层节点数，搭建BP神经网络的拓扑结构为3
‑
15
‑
6，将网络各层所有神经元之间的连接权值和阈值分别编码为实数向量，并对应表示为种群中的个体粒子；
[0020]步骤3.3，设定粒子群优化BP神经网络算法的参数，初始化粒子的初始位置、速度、惯性权重最大值ω
max
＝0.8、惯性权重最小值ω
min
＝0.25、加速因子C1＝C2＝2，给定最大迭代次数600次，确定动量因子α＝0.7、初始学习率η＝0.02；
[0021]步骤3.4，计算每个粒子对应的适应度函数值；
[0022]步骤3.5，针对每个粒子，将BP神经网络输出的均方差定义为该粒子适应度并计算，将适应度最小粒子位置赋为全局最优位置，各粒子当前位置为个体极值；
[0023]步骤3.6，根据公式(3)、(4)、(5)修正并更新粒子的速度和位置；
[0024]V
id
(t+1)＝ωV
id
(t)+C1×
R1×
[P
id
‑
X
id
(t)]+C2×
R2×
[G
d
‑
X
id
(t)]ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0025]X
id
(t+1)＝X
id
(t)+V
id
(t+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0026]式(3)和式(4)中，i＝1,2,L,n；d＝1,2,L,D；n为粒子群规模；t为迭代次数；D为搜索空间的维数；X
id
(t)为粒子第t代位置；V
id
(t)为粒子第t代速度；P
id
为粒子i的个体极值点位置；G
d
为全局极值点位置；R1、R2为区间[0,1]上的随机数；
[0027][0028]式(5)中，f为粒子适配值；
[0029]步骤3.7，再一次进行所有粒子的输入及其适应度计算的过程，且由粒子适应度自动改变和调整惯性权重，从而搜寻粒子最佳位置；
[0030]步骤3.8，将全局粒子最佳位置对应的最优权值和阈值代入神经网络，计算输出误差，判断其是否满足系统设定的目标误差精度要求；若不满足，执行步骤3.9；若满足，执行步骤3.10；
[0031]步骤3.9，当粒子适应度函数值J满足给定条件或达到最大迭代次数，则输出全局粒子最佳位置，并将其映射至BP神经网络的权值和阈值，停止迭代计算；否则就返回至步骤3.7继续执行；
[0032]步骤3.10，根据配电线路历史故障电流电压数据，通过粒子群优化BP神经网络输入多组训练样本，通过分析网络输出，提高粒子群优化BP神经网络算法的性能和故障检测精度；
[0033]其中步骤4具体按照以下步骤实施：
[0034]步骤4.1，将步骤2.1、步骤2.2预处理的故障特征量以及线路拓扑结构输入粒子群优化BP神经网络模型中进行配电线路故障检测；
[0035]步骤4.2，当神经网络输出值越大，代表出现该类型故障概率越大；配电线路故障类型与神经网络输出编码设定一一对应。
[0036]本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于粒子群优化BP神经网络的配电线路故障检测方法，其特征在于，具体按以下步骤实施：步骤1，数据采集；步骤2，故障特征量提取；步骤3，粒子群优化BP神经网络算法样本训练；步骤4，配电线路故障检测。2.根据权利要求1所述的基于粒子群优化BP神经网络的配电线路故障检测方法，其特征在于，所述步骤1具体按以下步骤实施：根据配电线路三相电流电压历史故障波形图，按照采样频率为0.00002秒，对波形图电流电压数据进行采样。3.根据权利要求1所述的基于粒子群优化BP神经网络的配电线路故障检测方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1，故障特征量T1＝[e
iA
,e
iB
,e
iC
]为三相电流特征量，根据式(1)计算得出三相电流i
A
，i
B
，i
C
归一化后数值e
iA
，e
iB
，e
iC
，然后将e
i
的值与设定的阈值进行比较，如果e
i
比设定阈值大，将其看做是1；如果e
i
比设定阈值小，将其看作是0，i
max
和i
min
分别为三相电流最大、最小值；步骤2.2，故障特征量T2＝[e
uA
,e
uB
,e
uC
]为三相电压特征量，根据式(2)计算得出三相压流u
A
，u
B
，u
C
归一化后数值e
uA
，e
uB
，e
uC
，然后将e
u
的值与设定的阈值进行比较，如果e
u
比设定阈值大，将其看做是1；如果e
u
比设定阈值小，将其看作是0，u为三相电压值，u
max
和u
min
分别为三相电压最大、最小值；4.根据权利要求1所述的一种基于粒子群优化BP神经网络的配电线路故障检测方法，其特征在于，所述步骤3具体按照以下步骤实施：步骤3.1，将故障特征量T1、T2和配电线路拓扑结构T3作为输入数据，输入至模型输入层，网络输出包括A相单相接地故障、B相单相接地故障、C相单相接地故障、AB相相间短路故障、AC相相间短路故障、BC相相间短路故障6种故障类型；步骤3.2，确定BP神经网络输入层、隐含层和输出层节点数，搭建BP神经网络的拓扑结构为3
‑
15
‑
6，将网络各层所有神经元之间的连接权值和阈值分别编码为实数向量，并对应表示为种群中的个体粒子；步骤3.3，设...

【专利技术属性】
技术研发人员：王玮琳，朱大伟，李磊，张望妮，李军，李唯龙，沈慧，王杰，邵美阳，范斌涛，陈相吾，张喆，刘娇健，
申请(专利权)人：陕西能源研究院有限公司，
类型：发明
国别省市：