[发明专利]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

权利要求书

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                                                为：

                      (1)

式中，u_A(k)、u_B(k)、u_C(k)分别为故障线路A、B、C三相电压，k =1、2、3…N，N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p₁=( f_n1，f_n2，f_n3，f_n4，f_n5，f_n6，f_n7，f_n8）作为第一层神经网络的输入样本，其输出向量y₁=d_f，反映故障点距离；选取步骤（2）中自然频率p₁各对应的幅值p₂=(E_n1，E_n2，E_n3，E_n4，E_n5，E_n6，E_n7，E_n8）作为第二层神经网络的输入样本，其输出向量y₂₁=1或y₂₁=2和y₂₂=3或y₂₂=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y₁表示故障距离为d_f；当输出向量y₂₁或y₂₂分别为1、2、3或4时，表示故障点位于对应分支L₁₂、L₁₅、L₁₃或L₁₄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feeder₁选取故障点，故障距离变化步长取200m；故障过渡电阻R分别取20Ω、100Ω、500Ω；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。