System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电力系统输电继电保护,尤其涉及一种基于改进rbf网络的线路故障测距方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,不必然构成在先技术。
2、高压直流架空输电线路通常距离较长,受所跨越的地区气候条件、地形地貌条件差异影响,线路故障概率很高,且故障巡线难度大,因此,需要具有可靠性和准确性的线路故障定位技术保证电力系统安全稳定运行,提高系统可靠性。
3、直流输电线路故障测距领域主要包括行波测距法和非行波测距法,行波测距法过于依赖行波波头检测的准确性,如果波头检测失败会导致行波测距无法进行;非行波测距方法如双端测距法,现有的高压直流输电线路双端测距方法的测距精度往往依赖于线路衰减常数的准确求取,但准确计算线路衰减常数是一个难题。同时,线路故障产生的暂态行波中往往掺杂有过多的干扰信号,严重影响故障距离的确定。
技术实现思路
1、为克服上述现有技术的不足,本专利技术提供了一种基于改进rbf网络的线路故障测距方法及系统,先基于变分模态分解方法对目标特征量进行优化,去除背景噪音,进而基于改进的rbf网络进行故障测距,无需准确计算线路衰减常数也能够实现准确定位。
2、为实现上述目的,本专利技术的一个或多个实施例提供了如下技术方案:
3、第一方面,本专利技术提供了一种基于改进rbf网络的线路故障测距方法,包括:
4、获取故障线路两端的暂态电压波形;
5、对所述暂态电压波形进行小波变换,
6、对所述高频分量进行变分模态分解,得到暂态电压波形的最优模态分量;
7、将所述最优模态分量输入至预先训练好的线路故障测距模型进行测距,得到故障距离。
8、进一步的技术方案,所述小波变换为离散小波变换。
9、进一步的技术方案,所述变分模态分解步骤具体为:
10、构造变分问题,设置约束变分表达式;
11、引入乘法算子和二次惩罚因子,得到最优解增广函数表达式;
12、经多次迭代后,得到暂态电压波形的最优模态分量。
13、进一步的技术方案,所述约束变分表达式中的约束条件为所有模态分量之和与原始高频分量信号相等。
14、进一步的技术方案,所述线路故障测距模型为改进的rbf神经网络模型。
15、进一步的技术方案,所述线路故障测距模型由输入层、隐含层和输出层三部分组成。
16、进一步的技术方案,通过麻雀搜索算法对线路故障测距模型的超参数进行寻优,来优化目标参数。
17、第二方面,本专利技术提供了一种基于改进rbf网络的线路故障测距系统,具体包括:
18、数据获取模块:获取故障线路两端的暂态电压波形;
19、信号变换模块:对所述暂态电压波形进行小波变换,提取所述暂态电压波形的高频分量;
20、信号分解模块:对所述高频分量进行变分模态分解,得到暂态电压波形的最优模态分量;
21、故障测距模块:将所述最优模态分量输入至预先训练好的线路故障测距模型进行测距,得到故障距离。
22、第三方面,本专利技术提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的一种基于改进rbf网络的线路故障测距方法中的步骤。
23、第四方面,本专利技术提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的一种基于改进rbf网络的线路故障测距方法中的步骤。
24、以上一个或多个技术方案存在以下有益效果:
25、本专利技术使用小波变换提取不同频带的故障暂态行波分量,针对选取特征信息丰富的高频特征分量,提高测量数据的质量,进一步提高测距准确性。
26、本专利技术利用神经网络模型进行故障测距计算,将不必准确计算线路衰减常数也能够准确实现故障定位,可实现性强、检测速度快、测距结果精度高,且耐受过渡电阻能力强。且选择结构简单,收敛效果好,能够逼近任意非线性函数的径向基神经网络rbf,具有逼近能力强、学习速度快的显著优点。
27、本专利技术在进行模型测量之前,先采用变分模态分解vmd方法对提取的高频分量进一步分解,有效去除了被忽略的背景噪声,强调敏感特征,对模型特征量进行优化。
本文档来自技高网...【技术保护点】
1.一种基于改进RBF网络的线路故障测距方法,其特征是,包括:
2.如权利要求1所述的一种基于改进RBF网络的线路故障测距方法,其特征是,所述小波变换为离散小波变换。
3.如权利要求1所述的一种基于改进RBF网络的线路故障测距方法,其特征是,所述变分模态分解步骤具体为:
4.如权利要求3所述的一种基于改进RBF网络的线路故障测距方法,其特征是,所述约束变分表达式中的约束条件为所有模态分量之和与原始高频分量信号相等。
5.如权利要求1所述的一种基于改进RBF网络的线路故障测距方法,其特征是,所述线路故障测距模型为改进的RBF神经网络模型。
6.如权利要求5所述的一种基于改进RBF网络的线路故障测距方法,其特征是,所述线路故障测距模型由输入层、隐含层和输出层三部分组成。
7.如权利要求5所述的一种基于改进RBF网络的线路故障测距方法,其特征是,通过麻雀搜索算法对线路故障测距模型的超参数进行寻优,来优化目标参数。
8.一种基于改进RBF网络的线路故障测距系统,其特征是,具体包括:
9.一种计
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于改进RBF网络的线路故障测距方法中的步骤。
...【技术特征摘要】
1.一种基于改进rbf网络的线路故障测距方法,其特征是,包括:
2.如权利要求1所述的一种基于改进rbf网络的线路故障测距方法,其特征是,所述小波变换为离散小波变换。
3.如权利要求1所述的一种基于改进rbf网络的线路故障测距方法,其特征是,所述变分模态分解步骤具体为:
4.如权利要求3所述的一种基于改进rbf网络的线路故障测距方法,其特征是,所述约束变分表达式中的约束条件为所有模态分量之和与原始高频分量信号相等。
5.如权利要求1所述的一种基于改进rbf网络的线路故障测距方法,其特征是,所述线路故障测距模型为改进的rbf神经网络模型。
6.如权利要求5所述的一种基于改进rbf网络的线路故障测距方法,其特征是,所述线路...
【专利技术属性】
技术研发人员:程大千,梁勇,苗勇,刘志升,姚佳,陈成,张立新,刘艳,张马腾,邢洪弟,
申请(专利权)人:国网山东省电力公司鱼台县供电公司,
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。