人工智能技术在小电流接地故障类型辨识中的研究
发布时间：2022-01-27 22:41
在我国，中压配电网大多采用的是中性点非有效接地的方式也就是小电流接地方式。由于接地电流微弱，加上中压配电网接线复杂，分支众多，其单相接地故障类型的辨识成为一直以来尚未得到很好解决的难题。在小电流接地运行方式下发生单相接地故障时，故障相与非故障相的对地电压分别降低和升高导致系统相电压变得不对称，但线电压依然对称，所以系统虽存在故障但是仍能运行1～2小时，不过如果此故障持续长时间，就可能会引起PT爆炸、绝缘子闪落等情况的发生，致使故障扩大，影响用户正常生产和生活。所以在单相接地故障发生后进行快速准确的故障分类尤为迫切与重要。本文通过对小电流接地系统发生接地故障后故障线路零序电流变化情况进行深入研究，结合相平面、小波熵、神经网络提出了对接地故障类型进行辨识的不同的方法。首先，论文介绍了小波分析理论、神经网络理论及其相关概念特点，分析了二者目前在电力系统中的广泛应用。其次，论文详细介绍了相平面法的原理，通过对电流信号数据做相平面分析，根据相平面分区图统计相轨迹中不同区域点数的分布规律，结合模式识别进行故障类型的辨识。再次，利用MATLAB仿真小电流接地系统模型，提取故障数据进行分析，随后利用小...
【文章来源】：华北电力大学河北省211工程院校教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
五种典型的故障波形
平面就被平均分割为 64 个长方形区域，分别统计每个区域上的点数，再将相平面点数分布图的 64 个区域分成 A、B 和 C 的 3 个区域进行点数统计，如图所示：图4-2 相平面分区图这样分区的原因是：相平面的中心区域为 A 区域，当波形为脉冲波时，相平面上离散的点约 90%分布在这里；以相平面中心为圆心，位于 A 区域外的圆环区域是B 区域，当波形为近似梯形波时，约 60%的相平面离散点分布在这里(约 25%在 A区域，约 15%在 B 区域)；相平面分区图中剩余的四角及边缘区域为 C 区域，当波形为近似正弦波时，约 50%的相平面离散点分布在这里（约 30%在 A 区域，约 20%在 B 区域）[22]。我们取故障发生后第二、三、四个周波的故障数据用于分类
24图4-3 相平面图由上图可以看出，对于不同类型的故障波形，其相平面图是具有较大的差别的，依据彼此之间的不同，可以明显的判断故障的类型。因此相平面法是提取故障特征的好方法。随后即可根据相平面分区图分别统计图中在 A、B、C 区域中的点数，下图为稳定型故障第二周波相平面图的运行界面：图4-4 故障分析界面将全部相平面图统计完毕，全部数据如表 4-1 所示：表 4-1 特征向量特征向量 1 2 3 4 5 6 7 8 9稳定型 35 17 48 25 22 53 20 27 53电弧型 68 21 11 55 37 8 59 30 11高阻电弧 49 34 17 56 25 19 54 31 12高阻放电 88 8 4 95 3 2 92 5 3间隙放电 72 14 14 65 25 10 71 20 9分析表中的数据，以稳定型故障为例，第二、三、四周波的波形是类似的，因此进行相平面分析后各区域中点数的比例是相似的，这足以说明相平面法的可行性。此外，分别统计第二、三、四周波的数据并作为特征向量，使得故障特征更为明显。将全部数据输入近邻算法软件中
【参考文献】：
期刊论文
[1]浅谈10kV配电线路单相接地故障分析及预防措施[J]. 江小燕. 中国城市经济. 2011(15)
[2]小波分析在信号处理中的应用[J]. 杜云峰,黄琦,蔡明山. 机电产品开发与创新. 2010(03)
[3]基于小波熵的心电信号去噪处理[J]. 侯宏花,桂志国. 中国生物医学工程学报. 2010(01)
[4]全信息小波能量熵及其在旋转机械状态监测中的应用研究[J]. 韩捷,谢凯. 机械强度. 2009(06)
[5]论神经系统网络在入侵检测系统的应用[J]. 顾晟. 信息系统工程. 2009(05)
[6]晶体管放大器的非线性特性研究[J]. 苏金善,赵建东,顾海燕. 中国现代教育装备. 2008(11)
[7]BP神经网络隐含层单元数的确定[J]. 沈花玉,王兆霞,高成耀,秦娟,姚福彬,徐巍. 天津理工大学学报. 2008(05)
[8]最优小波基的选取原则[J]. 魏宝琴,李白萍. 甘肃科技. 2007(10)
[9]小波奇异熵及其在高压输电线路故障选相中的应用[J]. 何正友,符玲,麦瑞坤,钱清泉,张鹏. 中国电机工程学报. 2007(01)
[10]基于小波熵的直流系统环网接地故障诊断[J]. 李冬辉,王波. 继电器. 2006(15)
硕士论文
[1]基于小波变换的图像边缘检测方法研究[D]. 许春梅.西华大学 2010
[2]基于BP神经网络的罩式炉炉温PID预测控制策略[D]. 孟良.太原理工大学 2009
[3]配电网中性点电阻接地方式研究及接地电阻器的开发[D]. 张俊华.湖南大学 2009
[4]RBF神经网络在认股权证定价中的应用研究[D]. 杨梁玉.厦门大学 2009
[5]基于遗传算法的神经网络在大坝变形预报中的应用[D]. 姜成科.大连理工大学 2009
[6]基于自适应学习速率的改进型BP算法研究[D]. 杨甲沛.天津大学 2008
[7]基于多小波包和人工神经网络的电力系统故障类型识别研究[D]. 李东敏.西南交通大学 2008
[8]具有非线性刚度动力吸振器的隔振系统半主动控制研究[D]. 陈继峰.华中科技大学 2006
[9]图像隐藏与数字水印算法研究[D]. 欧阳希.西北工业大学 2006
[10]基于小波分析和神经网络理论的电力系统短路故障研究[D]. 陈有根.中南大学 2004
本文编号：3613210
【文章来源】：华北电力大学河北省211工程院校教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
五种典型的故障波形
平面就被平均分割为 64 个长方形区域，分别统计每个区域上的点数，再将相平面点数分布图的 64 个区域分成 A、B 和 C 的 3 个区域进行点数统计，如图所示：图4-2 相平面分区图这样分区的原因是：相平面的中心区域为 A 区域，当波形为脉冲波时，相平面上离散的点约 90%分布在这里；以相平面中心为圆心，位于 A 区域外的圆环区域是B 区域，当波形为近似梯形波时，约 60%的相平面离散点分布在这里(约 25%在 A区域，约 15%在 B 区域)；相平面分区图中剩余的四角及边缘区域为 C 区域，当波形为近似正弦波时，约 50%的相平面离散点分布在这里（约 30%在 A 区域，约 20%在 B 区域）[22]。我们取故障发生后第二、三、四个周波的故障数据用于分类
24图4-3 相平面图由上图可以看出，对于不同类型的故障波形，其相平面图是具有较大的差别的，依据彼此之间的不同，可以明显的判断故障的类型。因此相平面法是提取故障特征的好方法。随后即可根据相平面分区图分别统计图中在 A、B、C 区域中的点数，下图为稳定型故障第二周波相平面图的运行界面：图4-4 故障分析界面将全部相平面图统计完毕，全部数据如表 4-1 所示：表 4-1 特征向量特征向量 1 2 3 4 5 6 7 8 9稳定型 35 17 48 25 22 53 20 27 53电弧型 68 21 11 55 37 8 59 30 11高阻电弧 49 34 17 56 25 19 54 31 12高阻放电 88 8 4 95 3 2 92 5 3间隙放电 72 14 14 65 25 10 71 20 9分析表中的数据，以稳定型故障为例，第二、三、四周波的波形是类似的，因此进行相平面分析后各区域中点数的比例是相似的，这足以说明相平面法的可行性。此外，分别统计第二、三、四周波的数据并作为特征向量，使得故障特征更为明显。将全部数据输入近邻算法软件中
【参考文献】：
期刊论文
[1]浅谈10kV配电线路单相接地故障分析及预防措施[J]. 江小燕. 中国城市经济. 2011(15)
[2]小波分析在信号处理中的应用[J]. 杜云峰,黄琦,蔡明山. 机电产品开发与创新. 2010(03)
[3]基于小波熵的心电信号去噪处理[J]. 侯宏花,桂志国. 中国生物医学工程学报. 2010(01)
[4]全信息小波能量熵及其在旋转机械状态监测中的应用研究[J]. 韩捷,谢凯. 机械强度. 2009(06)
[5]论神经系统网络在入侵检测系统的应用[J]. 顾晟. 信息系统工程. 2009(05)
[6]晶体管放大器的非线性特性研究[J]. 苏金善,赵建东,顾海燕. 中国现代教育装备. 2008(11)
[7]BP神经网络隐含层单元数的确定[J]. 沈花玉,王兆霞,高成耀,秦娟,姚福彬,徐巍. 天津理工大学学报. 2008(05)
[8]最优小波基的选取原则[J]. 魏宝琴,李白萍. 甘肃科技. 2007(10)
[9]小波奇异熵及其在高压输电线路故障选相中的应用[J]. 何正友,符玲,麦瑞坤,钱清泉,张鹏. 中国电机工程学报. 2007(01)
[10]基于小波熵的直流系统环网接地故障诊断[J]. 李冬辉,王波. 继电器. 2006(15)
硕士论文
[1]基于小波变换的图像边缘检测方法研究[D]. 许春梅.西华大学 2010
[2]基于BP神经网络的罩式炉炉温PID预测控制策略[D]. 孟良.太原理工大学 2009
[3]配电网中性点电阻接地方式研究及接地电阻器的开发[D]. 张俊华.湖南大学 2009
[4]RBF神经网络在认股权证定价中的应用研究[D]. 杨梁玉.厦门大学 2009
[5]基于遗传算法的神经网络在大坝变形预报中的应用[D]. 姜成科.大连理工大学 2009
[6]基于自适应学习速率的改进型BP算法研究[D]. 杨甲沛.天津大学 2008
[7]基于多小波包和人工神经网络的电力系统故障类型识别研究[D]. 李东敏.西南交通大学 2008
[8]具有非线性刚度动力吸振器的隔振系统半主动控制研究[D]. 陈继峰.华中科技大学 2006
[9]图像隐藏与数字水印算法研究[D]. 欧阳希.西北工业大学 2006
[10]基于小波分析和神经网络理论的电力系统短路故障研究[D]. 陈有根.中南大学 2004
本文编号：3613210
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/3613210.html
