一种基于神经网络和模糊逻辑的输电线路故障判别方法
【专利摘要】本发明涉及一种基于神经网络和模糊逻辑的输电线路故障判别方法，方法包括以下步骤：一种基于神经网络和模糊逻辑的输电线路故障判别方法，方法包括以下步骤：1)连续采集导线温度、导线倾角和导线拉力数据，并计算对应的导线温度偏差值、导线倾角偏差值和导线拉力偏差值；2)根据三个偏差值计算出对应的故障隶属度值，若三个故障隶属度值至少有一个为1，则执行步骤3)；3)对三个故障隶属度值进行数据融合，分别计算出线路无故障概率、线路潜在故障概率和线路故障概率；4)根据线路潜在故障概率、线路故障概率和故障持续时间输出评价结果。与现有技术相比，本发明具有可成长性、预测精准等优点。
【专利说明】一种基于神经网络和模糊逻辑的输电线路故障判别方法
【技术领域】
[0001] 本发明涉及一种架空输电线路状态在线监测技术，尤其是涉及一种基于神经网络 和模糊逻辑的输电线路故障判别方法。
【背景技术】
[0002] 电力系统由大量发、送、输、配、用电等设备连接构成，这些设备的可靠性及运行情 况直接决定着整个系统的稳定和安全，也决定着供电的质量和可靠性。高压输配电线路是 电能实现远距离输送的一个重要环节，是整个电网的命脉，气象灾害、人为破坏、线路长期 运行老化等因素严重威胁着电网的长期安全稳定运行。2008年1月，祖国南方十几个省份 及地区遭遇到严重的冰雪天气，绝大部分线路呈现大面积覆冰，输电导线荷载和输电杆塔 荷载因严重超标而导致断线及杆塔倒塌事故，电力设施破坏惨重，造成空前的损失。因此， 我们应该加强对输电线路状态的监测，提前预警以保证电网的安全稳定运行。现阶段主要 通过人工对线路的巡逻方式对线路状态进行监测，人力资源有限，远不能满足实际要求，更 别说达到对输电线路状况实时全线监控的目的。随着计算机通信网络技术和传感器网络技 术的进步，我们有能力对输电线路状态监测实现远程监控。现阶段的监测系统能够通过各 类传感器信息及摄像机拍到输电线路信息和线路周边环境信息，由相应的通信网络把信息 传送到设定的监控中心，因而工作人员通过采集到的信息判断输配电线路即时的状况，提 前预警和发现状况并及时解决故障，确保线路的安全稳定运行。
[0003] 输电导线在线监测系统在整个电力系统运行状态监测系统中起到重要作用。通过 导线的温度、倾角、弧垂、张力、荷载等信息能够得出线路的运行状态。线路负荷超重时，导 线的温度升高、倾角增大，从而导致导线和金具的损坏及快速老化，导线的弧垂过大会使得 短路和闪络现象容易成为可能。而当导线覆冰过量时，导线的倾角、弧垂、张力和荷载都会 变大，相应地会导致断线和杆塔变形倒塌。输电线路导线监测系统能够及时的得出线路的 状态信息，在故障发生前及时预警，给工作人员更多的时间去处理线路问题，能够有效地降 低线路故障的发生率，提高设备的利用率，值得深入研究。
【发明内容】
[0004] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种判断准确的基 于神经网络和模糊逻辑的输电线路故障判别方法。
[0005] 本发明的目的可以通过以下技术方案来实现：
[0006] -种基于神经网络和模糊逻辑的输电线路故障判别方法，该方法包括以下步骤：
[0007] 1)连续采集导线温度、导线倾角和导线拉力数据，并计算对应的导线温度偏差值 V1GO、导线倾角偏差值V2(I)和导线拉力偏差值V3(Hl);
[0008] 2)根据导线温度偏差值V1GO、导线倾角偏差值V2⑴和导线拉力偏差值V3(Hi)计 算出对应的故障隶属度值，并判断三个故障隶属度值是否均为0,若为否，则执行步骤3)， 若为是，则返回步骤1);
[0009] 3)采用BP神经网络对三个故障隶属度值进行数据融合，分别计算出线路无故障 概率、线路潜在故障概率和线路故障概率；
[0010] 4)根据线路潜在故障概率、线路故障概率和故障持续时间输出评价结果。
[0011] 所述导线温度的故障隶属度值为：
[0012] u(V1) =Utv1 (k)-Dj
[0013] 其中：u(x)为单位阶跃函数，D1为导线温度的判决阈值；
[0014] 所述导线倾角的故障隶属度值为：
[0015] u(V2) =u[v2(l)-D2]
[0016] 其中：d2为导线倾角的判决阈值；
[0017] 所述导线拉力的故障隶属度值为：
[0018] u(V3) =u[v3 (m) -D3]
[0019] 其中：D3为导线拉力的判决阈值。
[0020] 所述BP神经网络为三输入三输出模式，包括一个输入层、两个隐层和一个输出 层，传递函数用Sigmoid型函数：
[0021]
【权利要求】
1. 一种基于神经网络和模糊逻辑的输电线路故障判别方法，其特征在于，该方法包括 以下步骤： 1) 连续采集导线温度、导线倾角和导线拉力数据，并计算对应的导线温度偏差值 V1GO、导线倾角偏差值V2(I)和导线拉力偏差值V3(Hl); 2) 根据导线温度偏差值Vl(k)、导线倾角偏差值V2⑴和导线拉力偏差值V3(Hl)计算出 对应的故障隶属度值，并判断三个故障隶属度值是否均为0,若为否，则执行步骤3)，若为 是，则返回步骤1); 3) 采用BP神经网络对三个故障隶属度值进行数据融合，分别计算出线路无故障概率、 线路潜在故障概率和线路故障概率； 4) 根据线路潜在故障概率、线路故障概率和故障持续时间输出评价结果。
2. 根据权利要求1所述的一种基于神经网络和模糊逻辑的输电线路故障判别方法，其 特征在于，所述导线温度的故障隶属度值为： μ (V1) = u [V1GO-D1] 其中：u(X)为单位阶跃函数，D1为导线温度的判决阈值； 所述导线倾角的故障隶属度值为： μ (V2) = u [v2 (I)-D2] 其中=D2为导线倾角的判决阈值； 所述导线拉力的故障隶属度值为： μ (V3) = u [v3 (m) -D3] 其中=D3为导线拉力的判决阈值。
3. 根据权利要求1所述的一种基于神经网络和模糊逻辑的输电线路故障判别方法，其 特征在于，所述BP神经网络为三输入三输出模式，包括一个输入层、两个隐层和一个输出 层，传递函数用Sigmoid型函数： 〇 = l/[l+exp(- Σ XpWiJn- Θ )] 其中：0表示神经元输出，Xp为输入；Wi/为第η层第i个节点与第（n+1)层第j个节 点的连接权值；Θ为假定的初始值，如刚开始设为0。
4. 根据权利要求3所述的一种基于神经网络和模糊逻辑的输电线路故障判别方法，其 特征在于，所述两个隐层的节点数均为7个。
5. 根据权利要求1所述的一种基于神经网络和模糊逻辑的输电线路故障判别方法，其 特征在于，所述步骤4)具体包括步骤： 401) 导入线路潜在故障概率y2和线路故障概率y3，若y2和y3均大于0. 7,则输出线路 发生故障，若y2和y3均小于0. 2,则输出线路无故障，甭则，执行步骤402); 402) 计算线路潜在故障概率、线路故障概率和故障持续时间的模糊隶属度值； 403) 利用潜在故障概率、线路故障概率和故障持续时间的模糊隶属度值结合模糊规则 库进行模糊推理输出模糊推理结果U，并输出评价结果。
6. 根据权利要求5所述的一种基于神经网络和模糊逻辑的输电线路故障判别方法，其 特征在于，所述线路潜在故障概率的模糊隶属度值为： ft(y2)~-J=~-exp[-(少2 外)2] 其中：y2为线路潜在故障概率，O为线路潜在故障概率的标准差，取值为0. 4, μ i为线 路潜在故障概率的平均值，取值为〇、〇. 5和1 ; 所述线路故障概率的模糊隶属度值为： (λ ) = ~ β?J 其中：y3为线路故障概率，O为线路故障概率的标准差，取值为0. 4, μ 2为线路故障概 率的平均值，取值为〇、〇. 5和1 ; 所述故障持续时间的模糊隶属度值为： μ(Τ) = ^^Τ-^/2σ1\ 其中：T为故障持续时间，σ为故障持续时间的标准差，取值为0.4, μ 3为故障持续时 间的阈值，取值为T1和T2。
【文档编号】G06N3/02GK104318485SQ201410520367
【公开日】2015年1月28日 申请日期:2014年9月30日 优先权日:2014年9月30日
【发明者】姚金明, 杨俊杰, 王向文, 王恩来, 樊如森, 余鲲, 任堂正, 谭志强, 邓集瀚, 杜小敏, 宋涛 申请人:上海电力学院