[发明专利]一种输电线路故障智能分类和定位方法

说明书

技术领域

本发明属于输电技术领域，尤其涉及一种输电线路故障智能分类和定位方法。

背景技术

输电线路穿越的地区地质条件、气象条件等自然条件复杂多变，可能引起故障的因素很多，所以电力系统的大部分故障都发生在输电线路上。在故障定位技术出现以前，往往通过人工巡线查找故障点的位置，其所需的时间是电力系统不能接受的。故障定位技术，可以根据线路故障时的特征而迅速准确地定位故障点，及时恢复供电，减少因停电而造成的巨大损失。因此，当输电线路发生故障后，快速、有效、准确地判断故障类型，并进行精确的故障定位是电力系统安全经济生产迫切需要的。

目前，常用故障定位方法主要包括阻抗法、行波法、故障分析法和基于先进信号处理技术的新方法等。阻抗法根据不同故障类型条件下，故障回路阻抗或电抗与测量点到故障点的距离成正比的原理，通过计算故障时测量点的阻抗或电抗值除以线路的单位阻抗或电抗值，得到测量点到故障点的距离。该方法虽然具有投资少的优点，但受路径阻抗、线路负荷和电源参数的影响较大。行波法根据行波传输理论实现输电线路的故障测距，但其对同步时钟的要求过高，造价过高；很多学者提出用数学形态学、信号相位检测等技术加以改进，但在实际应用中效果仍不理想。故障分析法利用故障时记录下来的工频电压、电流量，通过分析计算，求出故障点的距离。事实上，在系统运行方式确定和线路参数已知的条件下，输电线路发生故障时，测量点的电压、电流量是故障点距离的函数。因此，可以用故障时记录下来的测量点电压和电流量，通过分析计算得出故障点的位置，但其前提是忽略线路的分布电容和漏电导。

随着电力系统规模的日益扩大，为了增大输电线路传输容量和提高系统的稳定性，人工智能技术，如，人工神经网络、进化算法和专家系统等，以及一些新的理论，如小波变换等，也在电力系统各个领域取得了日益广泛的应用。然而，技术自身的缺陷限制了这些故障定位方法的适用范围。

发明内容

针对背景技术中提到的故障定位方法受路径阻抗、线路负荷和电源参数的影响较大的问题，本发明提出了一种输电线路故障智能分类和定位方法。

一种输电线路故障智能分类和定位方法，其特征在于，具体步骤包括：

步骤1：采集三相电压和电流故障信号，采用离散傅里叶变换DFT提取每一个信号的基频信息，得到对应的基频特征，并对基频特征进行归一化处理，所有信号归一化后的基频特征组成基频特征序列；

步骤2：设计支持向量机SVM、自适应神经模糊推理系统ANFIS和RBF神经网络的故障分类器和定位器，并将归一化后的基频特征序列作为样本，分别用支持向量机SVM的分类器和定位器、自适应神经模糊推理系统ANFIS的分类器和定位器和RBF神经网络的分类器和定位器进行分类和定位训练；

步骤3：设计故障分类器和定位器智能选择模型，并根据设定的模型评估准则选择最优分类器，从而确定故障类型，完成对故障的定位。

步骤1中，采用离散傅里叶变换DFT提取每一个故障信号的基频信息，得到对应的基频特征的过程是：

设故障信号的某一相电流/电压信号为x(n)，其离散傅里叶变换DFT为X(m)，根据N点DFT的分析频率表达式：

其中，N为离散傅里叶变换DFT的点数；f_s为故障信号采样频率；m为故障信号通过离散傅里叶变换DFT处理之后的第m个分量；则X(m)为对故障信号进行DFT处理后要提取的基频特征。

步骤1中，对基频特征进行归一化公式为：

xk=(xk-xmin)(xmax-xmin)]]>

其中，x_k为第k个基频特征；x_min为基频特征序列中的最小数；x_max为基频特征序列中的最大数。