基于神经网络的输电线路故障定位方法研究

摘要

高压输电线路的精确定位可以极大的缩短巡线时间，加快恢复供电，对电力系统安全和经济运行具有非常重要的意义。 本文采用基于人工神经网络的故障定位方法，做了如下工作： 针对较长和超长输电线路，研究了基于分布参数模型的各种故障算法，并对输电线路故障进行分析，对故障分量进行解析，为进行Matlab线路仿真提供依据。 针对高压输电线路的故障定位，本文采用对于模式识别问题具有较强优势的径向基函数(RBF)神经网络来实现输电线路的故障定位，建造了有效的RBFNN网络模型结构。在RBF网络基函数重心的确定上，本文采用了基于K-NN聚类原则的LBG算法和本文提出的预先确定距离值的改进LBG聚类算法，并对两种算法进行性能比较。由于本文所提算法在寻找聚类重心的过程中不需要迭代，大大提高了聚类处理的速度。为了验证RBFNN在故障定位领域的有效性，本文还构造了一个具有相同输入、输出模式关系的BP神经网络，并与本文所建立的RBFNN进行性能比较。仿真测试结果表明，在训练速度上，RBF网络相对于BP网络有很大的提高，更适合实时在线定位的要求。 为解决单一神经网络存在训练难以收敛的问题，而且测距已经达到无法实际应用的程度，网络也是病态的。采用分层分布的神经网络，第一层完成故障相别判定任务，第二层实现故障类型的准确定位。同时本文采取了输入数据的归一化处理，实例表明经粗糙集理论归一化处理后的训练时间明显比传统归一化方法的训练时间短。 利用Matlab工具箱中的神经网络工具箱和PSB工具箱对本文构造的神经网络以及输电线路做了大量的数字仿真，并对影响定位的故障点位置、故障类型、过度电阻因素进行了分析。仿真结果表明得到的数据与实际相吻合，亦基本不受线路参数变化的影响，具有强鲁棒性。

目录

文摘

英文文摘

声明

第1章绪论

1.1输电线路故障定位研究的意义

1.2输电线路故障定位的发展历史

1.3输电线路故障定位方法的分类及国内外研究现状

1.3.1行波法

1.3.2故障分析法

1.3.3智能故障定位方法

1.4本论文研究的主要内容

第2章输电线路故障理论分析

2.1引言

2.2线路原始参数计算

2.3输电线路分布参数计算

2.4故障分量解析

2.4.1电弧等效模型

2.4.2故障模型建立

2.4.3线路故障分量求解

2.5基于MATLAB的电力系统仿真模型

2.5.1 MATLAB仿真原理

2.5.2仿真实例分析

2.6小结

第3章神经网络结构及算法分析

3.1人工神经网络的发展概要及现状

3.2BP神经网络理论及分析

3.2.1BP网络的结构

3.2.2BP学习算法的改进

3.3 RBF神经网络理论及分析

3.3.1 RBF神经网络结构

3.3.2 RBF神经网络训练算法设计

3.4BP网络与RBF神经网络的仿真比较

3.4.1仿真比较研究

3.4.2仿真结论

第4章输电线路故障定位神经网络研究

4.1输电线路故障特性分析

4.2神经网络的建立

4.2.1故障定位的单一神经网络模型

4.2.2分层分布式神经网络系统的模型结构

4.3神经网络的训练

4.3.1样本的选取

4.3.2数据预处理

4.3.3神经网络输入数据的归一化处理

第5章仿真研究

5.1用于输电线路故障定位的RBF网络训练

5.2故障相别判定子网络设计

5.3故障定位子网络设计

5.3.1MATLAB仿真结果分析

5.4.故障定位神经网络综合测试

5.4.1两种网络仿真比较

第6章结论

致谢

攻读硕士学位期间发表的学术论文

参考文献