专利名称：一种基于自然频率的辐射状配网分层分布式ann故障定位方法
技术领域：
本发明涉及电力系统继电保护技术领域，具体的说是一种基于自然频率的辐射状配网分层分布式ANN故障定位方法。
背景技术：
综合考虑技术、经济和安全等因素，我国中压配电网大多采用小电流接地方式。配电网是电力系统中和用户联系最为直接的环节，其覆盖范围广泛，单相接地故障机率高，技术和经济因素综合决定了多分支辐射状配电网故障定位有其特殊性，人们已经进行了大量的研究。按照所利用信号的不同可分为主动式故障定位法和被动式故障定位法。主动式故障定位法是通过向配电网系统注入特定频率功率信号，利用移动或固定安装的信号检测设备来检测故障发生的位置，如“S”注入法、加信传递函数法等，但其可靠性受过渡电阻、间歇性电弧的影响较大，实际应用效果不十分理想。被动式故障定位法主要利用馈线发生故障前后电压、电流信号特征实现故障定位，其中以阻抗法和行波法最具代表性。阻抗法是基于故障回路阻抗和故障距离间的映射关系实现故障位置的判断，因配电网电压和电流互感器传遍特性往往不一致，会给基于阻抗法的定位方法造成较大的测距误差。同时，针对多分支配电网的复杂结构，阻抗法无法有效识别等电气距离处的等效故障。行波法利用暂态行波在量测点和故障点间传播的时差实现故障定位，但受多分支配电网特殊结构影响，故障点第二个反射波头的准确识别更为困难，加之配电网的干扰信源较多、行波法对硬件及互感器性能要求较高等因素，使得行波法在多分支配电网中的应用效果亦不十分理想。本发明是基于自然频率的福射状配网分层分布式ANN (Artificial NeuralNetwork，人工神经网络)故障定位方法。当辐射状配电网发生单相接地故障时，故障电压行波从故障点开始沿馈线向两侧传播，并在波阻抗不连续点发生折反射。不同分支发生故障，其故障电压行波经由不同分支组合的传播路径到达母线侧量测端，由量测端获得的故障暂态电压的自然频率及其幅值分布亦不相同。不同分支组合的行波传播路径与自然频率及其幅值分布之间存在着映射关 系。可利用ANN强大的非线性拟合能力来反映此种映射关系，实现辐射状配电网的故障定位及分支识别。利用故障后四分之一工频周期时窗的零序电压数据加切比雪夫窗进行处理，由FFT提取零序电压自然频率，以自然频率值作为分层分布式ANN模型的输入样本，先进行故障定位；再以自然频率对应的幅值作为输入样本属性,进行故障分支识别，故障距离和故障点所在分支编号作为其输出样本属性。基于此，实现辐射状配电网的故障定位。
发明内容
本发明的目的在于提出一种基于自然频率的辐射状配网分层分布式ANN故障定位方法，克服行波测距方法中行波波头易逝性的缺点，有效提高故障定位抗干扰能力。本发明基于自然频率的辐射状配网分层分布式ANN故障定位方法是:当辐射状配电网发生单相接地故障时，利用故障后四分之一工频周期时窗的零序电压数据加切比雪夫窗进行处理，由FFT (Fast Fourier Transform,快速傅里叶变换)提取零序电压自然频率；以自然频率值作为分层分布式ANN (Artificial Neural Network,人工神经网络)模型的输入样本，进行故障距离定位；以自然频率对应的幅值作为输入样本属性，进行故障分支识别；以故障距离和故障点所在分支编号作为其输出样本属性，实现辐射状配电网的故障定位。具体步骤如下:
(1)当辐射状配电网发生单相接地故障时，根据录波装置测得三相电压可得故障零序电压，将其减去对应时间上的稳态电压得到零序暂态故障电压
uO为:
权利要求
1.一种基于自然频率的辐射状配网分层分布式ANN故障定位方法，其特征在于:当辐射状配电网发生单相接地故障时，利用故障后四分之一工频周期时窗的零序电压数据加切比雪夫窗进行处理，由FFT提取零序电压自然频率；以自然频率值作为分层分布式ANN模型的输入样本，进行故障距离定位；以自然频率对应的幅值作为输入样本属性，进行故障分支识别；以故障距离和故障点所在分支编号作为其输出样本属性，实现辐射状配电网的故障定位。
2.根据权利要求1所述的基于自然频率的辐射状配网分层分布式ANN故障定位方法，其特征在于具体步骤如下: (1)当辐射状配电网发生单相接地故障时，根据录波装置测得三相电压可得故障零序电压，将其减去对应时间上的稳态电压得到零序暂态故障电压uO为: ^o(k) =^(uAik) +us(k) +Uc(k))(I) 式中，士⑷為⑷七⑷分别为故障线路A、B、C三相电压，左=1、2、3…见#为采样序列长度； (2)利用多分支辐射状配电网故障后T/4短时窗母线侧故障零序电压数据，对零序电压数据进行切比雪夫窗提取并进行FFT变换，得到其自然频率分布； (3)构建辐射状配电网故障定位分层分布式ANN，并按如下方法进行训练:选取步骤(2)中自然频率a=( fnl,Zn2, fn3,fni,fn5,fn6,fn7,fnB)作为第一层神经网络的输人样本，其输出向量反映故障点距离；选取步骤(2)中自然频率各对应的幅值Bni,Bn5,Bn6,Bn7, Bne)作为第二层神经网络的输入样本，其输出向量_f21=1或_721=2和_722=3或_722=4，反映故障点所在分支；以故障距离和故障点所在分支编号作为其输出样本属性； (4)根据步骤(3)训练得到的辐射状配电网故障定位分层分布式神经网络，进行故障定位:输出向量7ι表不故障距尚为Orf ;当输出向量Ai或_^2分别为1、2、3或4时,表不故障点位于对应分支Z12、Z15、Z13或Z14上。
3.根据权利要求2所述的基于自然频率和ANN结合的辐射状配电网故障定位方法，其特征在于:对辐射状配电网故障定位分层分布式ANN模型进行训练时，输入样本的选取结合下列故障条件进行:沿馈出线Teeder1选取故障点，故障距离变化步长取200m ;故障过渡电阻1 分别取20 0、100 0、500 0 ;故障初始相角分别取30°、60°、90°。
4.根据权利要求所述的基于自然频率和ANN结合的辐射状配电网故障定位方法，其特征在于:测量配电网母线侧电压时，数据窗的长度为故障后5ms，采样频率为100kHz。
全文摘要
本发明提供一种利用自然频率的辐射状配网分层分布式ANN故障定位方法，属电力系统继电保护技术领域。利用ANN的非线性拟合能力来反映此种映射关系，实现辐射状配电网的故障定位及分支识别。当辐射状配电网发生单相接地故障时，选取故障后T/4时窗的零序电压数据，由FFT提取零序电压自然频率及其幅值，以自然频率值作为分层分布式ANN模型的输入样本，先进行故障定位；再以自然频率对应的幅值作为输入样本，进行故障分支识别，故障距离和故障点所在分支编号作为其输出。该方法克服了行波测距方法中行波波头易逝性的缺点，能够有效提高故障定位抗干扰能力，故障电压数据容错性强。
文档编号G01R31/11GK103245893SQ20131012179
公开日2013年8月14日 申请日期2013年4月10日 优先权日2013年4月10日
发明者束洪春, 朱梦梦, 董俊, 段锐敏, 黄文珍, 田鑫萃, 曹璞麟, 高利 申请人:昆明理工大学