本发明涉及一种配电网单相短路选线方法，属于配电网保护
技术领域：
。
背景技术：
：分布式电源一般指为满足电力系统和用户特定的要求，接在用户侧附近的小型发电系统。分布式发电大多采用清洁能源或可再生能源，不仅取之不尽、用之不竭，对环境的影响也降到最低，因而得到了大力推广。由于分布式电源大都集中在用户侧，不穿越上一级变压器直接向用户供电，分布式电源的装机规模都比较小，建设也很分散。目前，我国配电网系统的接地方式主要为中性点非有效接地，即中性点不接地、经消弧线圈接地或高阻接地，在这种接地方式下，电力系统发生故障时不能构成低阻抗的短路回路，故接地电流很小，所以中性点非有效接地系统又称为小电流接地系统。在配电网的所有故障中，单相接地故障发生的概率最高，大约占总故障的80％左右。与传统配电网相比，当分布式电源并入电网后，将给电网带来更大的不确定性因素。一方面，分布式电源拥有更好的灵活性和更高的可靠性，能够有效保证用户侧的供电需求，提高电能质量；另一方面，接入分布式电源后，配电网结构发生了根本性的变化，由单源网络逐步转变为多源网络。当配电网发生单相接地短路故障后，大系统作为电源会向故障点提供短路电流，与此同时，分布式电源也将对故障点提供短路电流，改变了配电网中短路电流的分布。现有的选线方法中，零序电流幅值法选择零序电流幅值最大的馈线为故障线路；零序电流有功分量法分别提取各条馈线的零序电流有功分量与极性，故障馈线的有功功率更大，且方向与健全馈线相反；负序电流法利用故障馈线的负序电流与正常馈线的负序电流相位基本相反，但与故障相电压的相位基本一致来选出故障线路；首半波选线法利用暂态电容电流在初始时刻与电压极性相反，而正常馈线均相同的特点，构造选线判据；Prony方法对故障特征分量进行指数项拟合，进而分析其频谱，因为故障特征一般通过故障电流与电压的幅值、频率及相位反映出来，而Prony方法能从中提取高频与直流分量，通过计算实现选线。但加入分布式电源之后，故障线路与正常线路中电流的幅值与相角均发生变化，由于分布式电源提供了一定的故障电流，故障线路的零序电流不一定最大，同时由于消弧线圈的作用，其方向有可能与正常线路中的零序电流一致，因而诸如零序电流幅值法、有功分量法之类的单相故障选线方法已不在适用。同时由于相角的改变，首半波法在实际应用中也会受到影响，故障发生在相角很小的时刻，将不会出现首半波，而通道漂移、不平衡电流等干扰也会影响首半波的极性。而Prony方法受幅值与相角的影响，有可能产生误判。对于含分布式电源的配电网，当下研究的主要方向是分布式电源的并网调控策略，以及并网后分布式电源对配电网潮流、继电保护和电能质量等方面的影响，而关于含分布式电源的配电网单相短路故障选线的研究几乎没有。技术实现要素：本发明要解决的技术问题是，针对现有技术不足，提出一种基于小波神经网络的含分布式电源配电网单相短路选线方法，能够及时检测出故障线路，有利于配电网系统的稳定运行，同时对于分布式电源的规划与应用也具有重要意义。本发明为解决上述技术问题提出的技术方案是：一种基于小波神经网络的电源配电网单相短路选线方法，执行步骤如下：1)选取db4小波作为小波包基函数对所述配电网络的各条馈线的暂态零序电流进行分解，采样频率为10KHz，所述小波包基函数的分解度为4，分解16个频带，每个频带的频带宽度为312.5Hz，2)计算所述暂态零序电流的模极大值，计算公式如下，式中为小波包分解的第(j，k)子频带下的系数，每个子频带下共有n个系数；3)利用步骤2)中得到的模极大值以及所述模极大值的极性训练所述神经网络，比较所述神经网络的期望输出和实际输出，对所述神经网络中突触的权重以及所述神经网络中神经元的阈值进行修正；所述神经网络为BP神经网络；4)将步骤3)经过训练的后的BP神经网络应用到出现单相短路的配电网中，以根据输出结果的不同确定故障线路。上述技术方案的改进是，所述BP神经网络组成如下：输入向量Pk＝(a1,a2,…,an)；目标向量Tk＝(y1,y2,…,yq)；隐藏层输入向量Sk＝(s1,s2,…,sp)，输出向量Bk＝(b1,b2,…,bp)；输出层输入向量Lk＝(l1,l2,…,lq)，输出向量Ck＝(c1,c2,…,cq)；输出层至隐藏层的权重wij，i＝1,2,…,n，j＝1,2,…,p；隐藏层至输出层的权重vjt，j＝1,2,…,p，t＝1,2,…,p；隐藏层输出阈值θj，j＝1,2,…,p；输出层输出阈值γj，j＝1,2,…,p；参数k＝1,2,…,m。上述技术方案的改进是，所述BP神经网络的训练过程如下：(1)赋初值，给wij、vjt、θj和γj在区间(-1,1)内随机赋值；(2)任意选取一组训练样本作为网络的输入、输出向量；(3)根据式(3-12a)，利用wij和θj计算隐藏层神经元的输入向量sj；根据式(3-12b)，利用sj计算隐藏层神经元的输出向量bj；sj=Σi=1nwijai-θj,(j=1,2,...,p)---(3-12a)]]>bj＝f(sj)(j＝1,2,…,p)(3-12b)(4)根据式(3-13a)，利用bj、wij和γj计算输出层神经元的输入向量Lt；根据式(3-13b)，利用Lt计算输出层神经元的输出向量Ct；Lt=Σj=1pvjtbj-γt,(t=1,2,...,q)---(3-13a)]]>Ct＝f(Lt)(t＝1,2,…,q)(3-13b)(5)将目标向量和实际输出Ct代入式(3-14)，计算输出层的学习误差dtk=(ytk-Ct)Ct(1-Ct),(t=1,2,...,q)---(3-14)]]>(6)将vjt、dt和bj代入式(3-15)，计算中间层的学习误差ejk=[Σt=1qdt·vjt]bj(1-bj)---(3-15)]]>(7)将和和bj代入式(3-16)，对vjt和γj进行修正；vjt(N+1)=vjt(N)+αdtkbj---(3-16a)]]>γt(N+1)=γt(N)+αdtk---(3-16b)]]>t＝1,2,…,q；j＝1,2,…,p；0＜α＜1(8)将和Pk＝(a1,a2,…,an)代入式(3-16)，对wij和θj进行修正；wij(N+1)=wij(N)+βejkai---(3-17a)]]>θj(N+1)=θj(N)+βejk---(3-17b)]]>i＝1,2,…,n；j＝1,2,…,p；0＜β＜1(9)将所有样本按照上述步骤继续训练，直到所有输入和输出满足要求为止；(10)重新选取一组样本，经过BP神经网络学习后，比较网络输出与目标样本的误差，若误差在预定范围内，则网络收敛，学习结束；否则网络不收敛，学习失败。上述技术方案的该机是：在BP神经网络训练时，所述配电网的每条馈线的状态均作为输入层的输入，输入向量P＝(x1,x2,x3,x4,…,xn)，其中xi(i＝1,2,3,4,…,n)表示第i条馈线上零序电流小波包变换的模极大值，故输入层的节点数为n；输出层的节点数也为n，输出向量T＝(y1,y2,y3,y4,…,xn)，yi＝1(i＝1,2,3,4,…,n)表示第i条馈线单相短路，yi＝0(i＝1,2,3,4,…,n)表示第i条是正常线路。本发明采用上述技术方案的有益效果是：1)本发明所采集的信号为暂态零序电流，较之其他故障信号而言，在故障的初始瞬间，零序电流的幅值和频率主要由暂态电容电流确定，不受中性点接地方式的影响。所以提取暂态零序电流作为该方法的故障信号，有效提升了该方法的选线成功率。2)小波包变换是时频分析的有效工具，通过对零序电流进行小波包分析，可以准确提取其中的有效信息，如特征频带，模极大值和极性等等。BP神经网络具有强大的学习能力，通过误差反向传播，实现输入与输出的非线性映射，因此利用BP神经网络对小波包提取的特征量进行训练，不受中性点接地方式、故障时刻以及接地电阻的影响。3)在分布式电源逐渐普及的情况下，国内外对于含分布式电源的配电网单相接地故障选线的研究还很少，而利用小波神经网络进行故障选线的方法具有良好的可靠性与实用性，且能及时有效地排除单相接地故障线路，有利于配电网系统的稳定运行，同时对于分布式电源的规划与应用也具有重要意义。附图说明下面结合附图对本发明作进一步说明：图1是本发明实施例一种基于小波神经网络的配电网单相短路选线方法的流程示意图。具体实施方式实施例本实施例的一种基于小波神经网络的电源配电网单相短路选线方法，如图1所示，执行步骤如下：1)选取db4小波作为小波包基函数对配电网络的各条馈线的暂态零序电流进行分解，采样频率为10KHz，小波包基函数的分解度为4，分解16个频带，每个频带的频带宽度为312.5Hz，2)计算暂态零序电流的模极大值，计算公式如下，式中为小波包分解的第(j，k)子频带下的系数，每个子频带下共有n个系数；3)利用步骤2)中得到的模极大值以及模极大值的极性训练神经网络，比较神经网络的期望输出和实际输出，对神经网络中突触的权重以及神经网络中神经元的阈值进行修正；神经网络为BP神经网络；4)将步骤3)经过训练的后的BP神经网络应用到出现单相短路的配电网中，以根据输出结果的不同确定故障线路。BP神经网络组成如下：输入向量Pk＝(a1,a2,…,an)；目标向量Tk＝(y1,y2,…,yq)；隐藏层输入向量Sk＝(s1,s2,…,sp)，输出向量Bk＝(b1,b2,…,bp)；输出层输入向量Lk＝(l1,l2,…,lq)，输出向量Ck＝(c1,c2,…,cq)；输出层至隐藏层的权重wij，i＝1,2,…,n，j＝1,2,…,p；隐藏层至输出层的权重vjt，j＝1,2,…,p，t＝1,2,…,p；隐藏层输出阈值θj，j＝1,2,…,p；输出层输出阈值γj，j＝1,2,…,p；参数k＝1,2,…,m。BP神经网络的训练过程如下：(1)赋初值，给wij、vjt、θj和γj在区间(-1,1)内随机赋值；(2)任意选取一组训练样本作为网络的输入、输出向量；(3)根据式(3-12a)，利用wij和θj计算隐藏层神经元的输入向量sj；根据式(3-12b)，利用sj计算隐藏层神经元的输出向量bj；sj=Σi=1nwijai-θj,(j=1,2,...,p)---(3-12a)]]>bj＝f(sj)(j＝1,2,…,p)(3-12b)(4)根据式(3-13a)，利用bj、wij和γj计算输出层神经元的输入向量Lt；根据式(3-13b)，利用Lt计算输出层神经元的输出向量Ct；Lt=Σj=1pvjtbj-γt,(t=1,2,...,q)---(3-13a)]]>Ct＝f(Lt)(t＝1,2,…,q)(3-13b)(5)将目标向量和实际输出Ct代入式(3-14)，计算输出层的学习误差dtk=(ytk-Ct)Ct(1-Ct),(t=1,2,...,q)---(3-14)]]>(6)将vjt、dt和bj代入式(3-15)，计算中间层的学习误差ejk=[Σt=1qdt·vjt]bj(1-bj)---(3-15)]]>(7)将和和bj代入式(3-16)，对vjt和γj进行修正；vjt(N+1)=vjt(N)+αdtkbj---(3-16a)]]>γt(N+1)=γt(N)+αdtk---(3-16b)]]>t＝1,2,…,q；j＝1,2,…,p；0＜α＜1(8)将和Pk＝(a1,a2,…,an)代入式(3-16)，对wij和θj进行修正；wij(N+1)=wij(N)+βejkai---(3-17a)]]>θj(N+1)=θj(N)+βejk---(3-17b)]]>i＝1,2,…,n；j＝1,2,…,p；0＜β＜1(9)将所有样本按照上述步骤继续训练，直到所有输入和输出满足要求为止；(10)重新选取一组样本，经过BP神经网络学习后，比较网络输出与目标样本的误差，若误差在预定范围内，则网络收敛，学习结束；否则网络不收敛，学习失败。在BP神经网络训练时，配电网的每条馈线的状态均作为输入层的输入，输入向量P＝(x1,x2,x3,x4,…,xn)，其中xi(i＝1,2,3,4,…,n)表示第i条馈线上零序电流小波包变换的模极大值，故输入层的节点数为n；输出层的节点数也为n，输出向量T＝(y1,y2,y3,y4,…,xn)，yi＝1(i＝1,2,3,4,…,n)表示第i条馈线单相短路，yi＝0(i＝1,2,3,4,…,n)表示第i条是正常线路。利用MATLAB/Simulink建立一个含分布式电源的10kV配电网系统，共有四条馈线，分别为L1，L2，L3和L4。无穷大系统用三相电源等效代替，Us＝10.5kV，f＝50Hz。四条馈线的线路参数、长度及负载见表1和表2。正序参数零序参数R(Ω/km)0.012730.3864L(mH/km)0.93374.1264C(nF/km)12.747.751表1表2如中性点经消弧线圈接地，消弧线圈的过补偿度取10％，经计算，系统的三相对地电容为C0＝6.2008×10-7F。又则U0/jωL＝1.1U0jωC，所以一般，消弧线圈的电阻取电抗值的10％，即RL＝10％XL＝155.56Ω。在仿真模型中，DG用三相电源来表示，并事先设定好其输出的有功功率和无功功率，如图1中的DG。接入配网中的分布式电源其容量一般不是很大，通常为6MW及以下，在此取2MW。1、中性点不接地电压过零时发生故障，馈线L4的A相接地，距母线4.5km处，接地电阻50Ω，故障时刻为0.03s，分布式电源接在L2上，距母线13.3km。发生故障的馈线L4幅值最大，且电流方向与其他三条线路均相反。经小波包变换后，在(4，1)至(4，5)五个频带的能量分别为[1.333，0.5876，2.032，0.001340，0.007455]，所以特征频带为(4，3)。在(4，3)上，各馈线的小波系数与零序电流波形类似，L4的零序电流I4在(4，3)上的小波系数最大，且极性相反。各馈线小波变换模极大值分别为[0.3594，0.5141，0.3561，-1.229]，所以故障线路为L4。2、中性点经消弧线圈接地馈线L1的A相接地，距母线7.7km处，接地电阻120，故障时刻为0.027s，分布式电源接在L4上，距母线15km。接入消弧线圈后，在过补偿条件下，各馈线的零序电流稳态值相位相同。经小波包变换后，在(4，1)至(4，5)五个频带的能量分别为[57.87，86.57，91.91，4.074，19.52]，所以特征频带为(4，3)。在(4，3)上，各馈线的小波系数L1的零序电流I1在(4，3)上的小波系数最大，且极性与其他馈线相反。各馈线小波变换模极大值分别为[8.181，-3.921，-2.580，-1.717]，所以故障线路为L1。基于小波神经网络的选线流程，首先要经过大量的仿真提取训练样本和目标向量作为数据库。该配电网一共有四条馈线，故输入层的节点数为4，输入向量P＝(x1,x2,x3,x4)，其中xi(i＝1,2,3,4)表示第i条馈线上零序电流小波包变换的模极大值；输出层的节点数也为5，输出向量T＝(y1,y2,y3,y4)，当第i条馈线发生单相接地故障时，yi(i＝1,2,3,4)为1，否则取0。从仿真数据中抽取50组作为训练样本，另抽取30组作为测试数据。表3为训练样本与目标向量，表4为测试数据与选线结果。表3表4本发明不局限于上述实施例。凡采用等同替换形成的技术方案，均落在本发明要求的保护范围。当前第1页1 2 3