【技术实现步骤摘要】
基于广义回归神经网络特高压直流输电线路故障检测方法
[0001]本专利技术涉及高压直流传输系统控制
,具体是基于广义回归神经网络特高压直流输电线路故障检测方法。
技术介绍
[0002]随着“双碳”目标的提出,特高压直流输电技术因为其模块化、谐波低、损耗低等特点,在大容量输电方面有着广泛的深化应用。随着高比例分布式电源的增加,特高压直流输电将会成为未来智能电网的一个发展方向。但是直流输电是一个低惯量的系统,如果线路发生短路故障,故障电流会快速地上升,进而烧坏换流器等设备。因此亟需特高压直流断路器进行可靠、快速地切除故障,实现非故障区段的安全稳定运行,保护系统需要在3ms以内完成故障检测和定位,对特高压直流输电线路的保护提出了很高的要求。
[0003]目前在特高压直流输电线路故障保护的方法主要包括行波法和小波法。行波法虽然可以在常规直流输电中进行应用,但是波头检测困难、近距离故障检测难的缺点使得行波法无法长期应用;小波法可以很大地提高行波波头的检测速度,但是不能进行故障选极。
技术实现思路
[0004]为了解决特高压直流输电线路保护可靠性低、检测速度慢的问题,本专利技术提出了基于广义回归神经网络特高压直流输电线路故障检测方法,利用广义回归神经网络分类能力强、学习速度快的优势,且该网络在数据样本少的情况下也能拥有很好的分类效果,构建了特高压直流输电线路故障识别模型,利用混沌量子粒子群算法对模型优化,该方法有效提高了特高压直流输电线路保护的可靠性和速动性,具有很好的实际意义。
[0005 ...
【技术保护点】
【技术特征摘要】
1.基于广义回归神经网络特高压直流输电线路故障检测方法,其特征在于:包括如下步骤:步骤1,利用故障启动元件构造保护启动判据,满足判据时再进行后续的故障识别;步骤2,使用广义S变换提取频域特征下的故障特征量,将直流电压、母线电压、正极电抗电压、负极电抗电压的暂态能量提取出来,构成四维特征数据作为广义回归神经网络的输入;步骤3,对输入的四维特征数据进行归一化处理,并将四维特征数据分成测试集和训练集;步骤4,利用混沌量子粒子群算法优化广义回归神经网络的参数,找出最小适应度函数下的平滑因子,形成分类模型;步骤5,将训练集输入到步骤4得到的分类模型中,深层次学习特高压直流输电线路的故障特征,并且将学习到的故障特征输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类设为正极故障、负极故障和双极故障,设置Softmax分类器参数,输出识别结果,不断迭代优化广义回归神经网络的参数,最终形成网络模型;步骤6,利用测试集验证步骤5得到的网络模型的有效性。2.根据权利要求1所述的基于广义回归神经网络特高压直流输电线路故障检测方法,其特征在于:所述步骤1设置母线电压变化率为故障启动元件,构造的保护启动判据如下:式中:为直流线路电压,为直流保护算法启动阈值。3.根据权利要求1所述的基于广义回归神经网络特高压直流输电线路故障检测方法,其特征在于:所述步骤2中广义S变换的公式如下所示:式中:X为原始信号离散傅里叶变换的离散点;n为时间,n=0,1,2,3,...N
‑
1;为采样点个数维度;h为虚部代表量;m为采样点维度;、为可调因子,N为采样点总数,T为采样周期;信号在特定频段下的广义S变换暂态能量和为:式中:为复时频矩阵,行向量为对应频率下的时域特征,列向量为对应时刻的幅频特征;P为复时频矩阵的总行数;Q为复时频矩阵的总列数;为 矩阵元素绝对值。4.根据权利要求1所述的基于广义回归神经网络特高压直流输电线路故障检测方法,其特征在于:所述步骤3中数据归一化处理为:式中:为归一化后样本第d维数据;为原始第d维数据;min、max为最小值和最大值函数。5.根据权利要求1所述的基于广义回归神经网络特高压直流输电线路故障检测方法,
其特征在于:所述构建的广义回归神经网络由输入层、模式层、求和层以及输出层组成,输出z在A上的回归为:式中:z为实际输出值,为广义回归神经网络的预测输出值;a为广义回归神经网络输入值;为a和z的联合概率密度函数;若满足正态分布,那么:式中:为样本的大小,g为变量a的维度,用替代,得到:式中:为网络输入变量;为第个神经元对应的学习样本;为广义回归神经网络的平滑因子。6.根据权利要求1所述的基于广义回归神经网络特高压直流输电线路故障检测方法,其特征在于:所述步骤4中的量子粒子群算法如下:X1为粒子位置,t为迭代次数,采用波函数来表示粒子动量与能量状态量,用概率密度函数获取粒子在某...
【专利技术属性】
技术研发人员:张学友,李冀,董翔宇,李坚林,谢佳,罗沙,殷振,阮巍,俞斌,马欢,邵华,贺成成,郑海鑫,张东欣,阴春锦,
申请(专利权)人:国网安徽省电力有限公司超高压分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。