一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法
【专利摘要】本发明涉及一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，属于高压直流输电系统继电保护【技术领域】。本发明利用故障高频量在线路上传播时的衰减特性，推导出故障距离与到达整流侧和逆变侧测距装置处的故障电压行波首波头幅值比之间的数学关系；选取不同频带内整流侧和逆变侧测距装置处检测到的故障电压行波首波头幅值比作为BP神经网络的输入样本集、故障距离作为输出样本集，对神经网络进行训练，生成故障测距神经网络模型；当故障测距神经网络模型形成以后，将测试样本输入到训练后的模型当中得到测距结果。本发明避免了传统的双端行波测距方法中波速度确定困难等问题。
【专利说明】—种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法
【技术领域】
[0001]本发明涉及一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，属于高压直流输电系统继电保护【技术领域】。
【背景技术】
[0002]目前直流输电线路故障后的测距主要依赖于行波故障定位技术，分为单端行波测距法和双端行波测距法。单端行波法需要准确识别第二个反射行波波头，存在高阻接地故障时第二个反射行波波头的正确识别存在困难；双端行波测距法能够准确定位的关键在于正确识别和标定故障行波首波头，由于直流输电系统中由平波电抗器和直流滤波器组成的线路边界对行波的高频及低频成分呈现不同的频率特性，这给故障行波首波头的到达时间的准确标定带来了困难。另外，无论是单端法还是双端法都存在定位精度依赖波速度的准确估算、对装置采样率要求过高、抗干扰性差等问题。申请专利(申请号201310543565.X)提出了基于高频量衰减特性的特高压直流输电线路故障测距公式，据此测距，测距精度依赖于线路衰减常数《的准确确定，但是对于特定的直流输电线路，准确求取线路衰减常数存在一定的困难。因此有必要研究具有更高可靠性和精确性的高压直流输电线路故障测距新方法。
【发明内容】
[0003]本发明提供了一 种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，以用于克服传统的双端行波测距方法中波速度确定困难以及对两端时钟同步装置精度要求过高等问题。
[0004]本发明的技术方案是:一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，所述方法的具体步骤如下:
A、当特高压直流输电线路发生接地故障后，整流侧测距装置处和逆变侧测距装置处的数据采集装置采集故障电压行波首波头到达后5ms时窗内的故障电压数据；
B、针对不同的过渡电阻和不同的故障距离分别对整流侧和逆变侧测距装置处提取的故障数据进行小波变换，得到整流侧第1、2、3、4尺度下的高频带内的故障电压行波首波头幅值ual、m以及对应频带内的到达逆变侧的故障电压行波首波头幅值m
U执'
C、计算同一频带内整流侧首波头幅值与逆变侧首波头幅值之比
【权利要求】
1.一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，其特征在于:所述方法的具体步骤如下: A、当特高压直流输电线路发生接地故障后，整流侧测距装置处和逆变侧测距装置处的数据采集装置采集故障电压行波首波头到达后5ms时窗内的故障电压数据； B、针对不同的过渡电阻和不同的故障距离分别对整流侧和逆变侧测距装置处提取的故障数据进行小波变换，得到整流侧第1、2、3、4尺度下的高频带内的故障电压行波首波头幅值ual、m以及对应频带内的到达逆变侧的故障电压行波首波头幅值mUb4 ; C、计算同一频带内整流侧首波头幅值与逆变侧首波头幅值之比
2.根据权利要求1所述的基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，其特征在于:所述步骤B中过渡电阻取值为0-100Ω ;其中过渡电阻的步长为 10 Ω。
3.根据权利要求1所述的基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，其特征在于:所述步骤B中对故障数据进行小波变换时，所用小波基为db4。
4.根据权利要求1所述的基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，其特征在于:所述步骤E中故障测距的神经网络采用BP神经网络模型；其中输入层神经元数目为4，隐含层神经元数目为15，网络具有的一个隐含层采用S型传递函数tansig,输出层采用纯线性传递函数purelin。
5.根据权利要求4所述的基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，其特征在于:所述神经网络采用自适应学习速度算法，学习率为0.01，最大训练次数取为10000，收敛精度设置为10_5。
【文档编号】G01R31/02GK103852692SQ201410088610
【公开日】2014年6月11日 申请日期:2014年3月12日 优先权日:2014年3月12日
【发明者】陈仕龙, 谢佳伟, 毕贵红, 张 杰, 曹蕊蕊, 荣俊香, 李兴旺, 罗璐 申请人:昆明理工大学