[发明专利]基于FEEMD样本熵+神经网络的高压直流输电系统线路故障和换相失败故障诊断方法

权利要求书

1.一种基于FEEMD样本熵+神经网络的高压直流输电系统线路故障和换相失败故障诊断方法，其特征在于：所述方法的具体步骤如下：

S1、高压直流输电系统发生故障后，正极线路与负极线路上位于逆变侧的数据采集装置分别采集故障后高压直流输电系统线路故障、高压直流输电系统换相失败故障、高压直流输电系统正常运行三种状态t时窗内的正极线络故障电流I₊、负极线路故障电流I_-；

S2、将采集的故障后的高压直流输电系统线路故障、高压直流输电系统换相失败故障、高压直流输电系统正常运行三种状态t时窗内的正极线络故障电流I₊、负极线路故障电流I_-分别进行解耦变换得到独立的电流线模分量I_i1；对线模分量I_i1进行FEEMD分解，分解得出n个IMF分量；选取4个低频分量的IMF分量求其样本熵值；将两种故障状态和正常运行状态的样本熵值采用最大最小法进行归一化，组成特征向量矩阵S＝[S_i1,S_i2,S_i3,S_i4]；其中，i表示状态：高压直流输电系统线路故障状态、高压直流输电系统换相失败故障状态、高压直流输电系统正常运行状态，n≥7；

S3、采集多组通过步骤S2中得到的特征向量划分为训练集和测试集，采用训练集对神经网络进行训练，生成故障分类神经网络模型；其中样本熵值作为神经神经网络的输入样本集、故障类型作为输出样本集；

S4、将测试集输入故障分类神经网络模型中进行测试，得到分类结果。

2.根据权利要求1所述的基于FEEMD样本熵+神经网络的高压直流输电系统线路故障和换相失败故障诊断方法，其特征在于：所述数据采集装置采样频率为200kHz，t取值为5ms-50ms。

3.根据权利要求2所述的基于FEEMD样本熵+神经网络的高压直流输电系统线路故障和换相失败故障诊断方法，其特征在于：所述t具体取值为25ms。

4.根据权利要求1所述的基于FEEMD样本熵+神经网络的高压直流输电系统线路故障和换相失败故障诊断方法，其特征在于：所述神经网络采用Elman神经网络；其中，输入层节点数目为4，隐含层节点数目确定过程：根据选出小于的整数，接着采用试凑法确定隐含层节点数目m；输出层神经元数目为3；N为输入层节点数目，l为输出层节点数目，a为0到10之间的调节常数。