基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法.利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入.利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线.仿真结果表明,该方法训练速度快、误判率低.     

基于蚁群算法的神经网络配电网故障选线方法

为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法。利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线。仿真结果表明,该方法训练速度快、误判率低。     

基于纵横交叉算法的神经网络配电网故障选线研究

为了提高小电流接地系统单相接地故障选线的精度,提出一种基于纵横交叉算法优化RBF神经网络的故障选线新方法。利用Matlab/Simulink仿真单相接地得到一组零序电流信号,通过小波包变换和傅里叶变换从中提取出暂态特征值、有功分量以及五次谐波分量。再将提取得到的特征量作为神经网络的输入,用纵横交叉算法优化后的神经网络对故障特征值进行训练,实现故障选线。仿真中建立100组不同的故障样本,其中80组作为训练集,20组作为测试集。实验结果表明,与传统神经网络相比,CSO-RBF方法训练效果好,准确性高。     

基于模糊粗糙集和GA-BP神经网络的L配电网故障选线方法

针对BP神经网络故障选线当输入数据量大时,其结构复杂、收敛慢,并且易陷入局部最优的缺点,将模糊粗糙集和遗传算法优化神经网络的方法引入配电网单相接地故障选线中.通过MatLab仿真试验,得出大量的各线路零序电流信号,并将多种提取的特征量进行信息融合.利用粗糙集理论对条件属性进行约简,去掉冗余条件属性,将约简后的属性作为输入层的BP神经网络,然后通过遗传算法优化BP神经网络进行训练和测试.测试结果表明,该方法具有训练速度快、误判率低的优点,能够满足电力系统对选线精度和准确性的要求.     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法.利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线.ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法。利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线。ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性。     

基于粗糙集理论的配电网故障选线装置研究

为了提高小波包选线方法的选线精度,提出基于粗糙集理论和小波包分析的故障选线方法。该法利用电磁暂态软件ATP-EMTP仿真单相接地得到一组零序电流信号,从中提取故障特征,如最大幅值衰减比、首波头极性和有效值,并将其作为条件属性,信号需增强的比例作为决策属性,从而构成一个信息系统。通过属性约简和规则约简后得到最小规则集,并用该规则集增强低频采样信号。再进行小波包分解实现故障选线。基于上述原理研制了配电网接地选线装置,给出了装置的硬件结构及软件流程。试验结果表明该系统选线精度高、运算速度快、抗干扰能力强、运行稳定。     

基于小波-神经网络的小电流接地选线的研究

研究了小波分析理论和人工神经网络技术在小电流接地系统单相接地故障选线中的应用。介绍了小波变换的奇异性检测理论和模极大值理论，神经网络的结构和改进算法，以及两者结合的选线方案。通过小波变换提取故障时各支路出线零序电流信号中的故障特征．作为神经网络的输入向量。建立典型的三层BP网络模型，从小电流接地系统动态仿真模型中采集大量样本训练网络，并针对不同故障模式进行测试。仿真实验的结果表明该方法能够准确、可靠地实现故障选线。     

RBF网络在小电流接地系统故障选线中的应用

如何准确实现故障选线是小电流接地系统长期存在的难题,现有的选线方法和装置,都存在着许多不足。针对这种情况,以理想的建模为背景,以提高小电流接地系统的故障选线准确率为目的,提出了基于RBF神经网络的故障选线方法。RBF神经网络是一种局部逼近的神经网络,选取高斯基函数作为RBF基函数。文中在理想情况下建立一个模型,选取各条线路的零序电流、零序有功和零序无功作为输入的特征电气量,保证了故障线路特征选取的一般性;然后利用RBF神经网络强大的自适应、自学习能力,对电气特征量进行训练,保证了其快速的收敛性以及选线的准确性。文中的仿真结果表明,利用训练好的RBF神经网络可以实现故障选线,不但准确而且可靠,具有一定的可行性。     

基于小波包分析的配电网故障选线新方法

提出了基于小波包分析的配电网故障选线新方法用于解决低频采样零序电流信号因发生不同程度的能量衰减而导致的选线错误问题。当发生单相接地故障时,分别对零序电流信号进行低频采样和高频采样,计算高频采样零序电流信号的首波头极性和最大值以及低频采样零序电流信号的最大值,以此为依据对低频采样的零序电流信号做增强处理,然后利用小波包分析方法对增强的信号进行小波包分解,根据能量最大的原则实现故障选线。基于上述原理研制了配电网接地选线装置,给出了装置的硬件结构及软件流程。分别针对零序电流信号能量衰减严重和极性检测错误的情况进行仿真试验。结果表明,该方法有效地提高了小电流接地选线的准确性。     

基于小波包分析的配电陬故障选线新方法

提出了基于小波包分析的配电网故障选线新方法用于解决低频采样零序电流信号因发生不同程度的能量衰减而导致的选线错误问题。当发生单相接地故障时．分别对零序电流信号进行低频采样和高频采样．计算高频采样零序电流信号的首波头极性和最大值以及低频采样零序电流信号的最大值．以此为依据对低频采样的零序电流信号做增强处理．然后利用小波包分析方法对增强的信号进行小波包分解，根据能量最大的原则实现故障选线。基于上述原理研制了配电网接地选线装置，给出了装置的硬件结构及软件流程。分别针对零序电流信号能量衰减严重和极性检测错误的情况进行仿真试验。结果表明．该方法有效地提高了小电流接地选线的准确性．     

基于 GrapSAGE 算法的配电网故障定位方法

本文提出一种基于GraphSAGE (graph sample and aggregate)算法的配电网故障定位方法。以对系统侧母线电压进行形态学黑帽运算的结果启动故障定位算法；利用GSA模型自主挖掘网络拓扑和零序电流特征，根据节点特征和标签建立函数映射，评估线路运行状态从而实现故障定位。基于PSCAD/EMTDC仿真平台搭建IEEE33节点模型，测试结果表明所提配电网故障定位方法可行且有效。并且配电网拓扑变化时，该方法无需重新训练模型即能获得可靠的故障定位结果，验证了方法的鲁棒性和对拓扑变化的适应性。     

基于5G的配电网智能故障诊断方法

配电网是电网中发生短路故障最多且智能化程度较低的地方。目前主要使用基于零序电流比幅法来进行接地故障的故障诊断,但存在非接地故障识别率低和无法快速识别等问题。采用5G通信技术,提出三序复合电流检测法并结合广义回归神经网络(GRNN,generalized regression neural network)来实现配电网故障诊断的实时传输与快速决策。测试结果表明可提升非接地故障的识别率达20%以上,解决了以往通信不可靠和故障诊断智能化不高等问题。     

利用零序电流的相关性进行小电流接地系统故障选线

介绍了利用零序电流的相关性进行小电流接地系统故障选线的一种新方法,以解决当零序电流中含有较强直流分量时由于电流互感器饱和引起电流采集信号波形畸变带来的选线失效问题.小电流接地系统发生单相接地故障后,非故障线路的零序电流波形是相似的,而故障线路零序电流波形与非故障线路差别较大.利用现代信号处理方法计算出其相关系数,分析各线路零序电流的相似性,确定故障线路.根据该原理开发了选线装置,并进行了实时数字仿真(RTDS)试验,试验结果表明在各种工况下都可以正确地选出故障线路.     

基于神经网络的中性点经消弧线圈接地系统故障选线方法

中性点经消弧线圈接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、5次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高.文章通过构造每种选线方法的相对故障测度函数和可确定故障测度函数来确定其故障测度函数,再利用神经网络对每种选线方法的实际故障测度进行智能融合,从而得到可靠性较高的故障选线结果.EMTP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于信息融合和神经网络的变压器内部故障快速诊断方法

变压器内部故障诊断通常需要利用油中溶解气体进行分析,但这些信息提取、检测分析过程繁琐,实时性较差。因此文章中提出了一种仅需要电气量的变压器内部故障快速诊断方法,采用小波包分析提取短路电流和差动电流的频域故障特征,采用最大值体现零序电流的故障特征,采用信息融合技术将所得到的所有故障特征进行融合,并利用BP神经网络算法对变压器内部电气故障类型进行诊断。在MATLAB/Simulink平台建立来仿真模型并进行了算例分析,结果表明文章中所提出的变压器内部电气故障诊断方法具有高准确性和高可靠性的优点。