[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在审

专利信息
申请号: 201910634977.1 申请日: 2019-07-15
公开(公告)号: CN110470937A 公开(公告)日: 2019-11-19
发明(设计)人: 陈仕龙;刘浩;严増伟;毕贵红;杨鸿雁;高晗;王志平;蒲娴怡;庄启康;王凯;蔡潇 申请(专利权)人: 昆明理工大学
主分类号: G01R31/02 分类号: G01R31/02;G06N3/04
代理公司: 暂无信息 代理人: 暂无信息
地址: 650093 云*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 高压直流输电系统 线路故障 样本 失败 特征向量 继电保护技术 线路短路故障 正常运行状态 低频分量 故障类型 故障诊断 神经网络 预测结果 归一化 识别率 输出量 输入量 对换 分解
【说明书】:

发明公开了一种基于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,属于高压直流输电系统继电保护技术领域。本将换相失败故障、线路短路故障进行FEEMD分解,选取低频分量的IMF分量求其样本熵值,进行归一化后形成特征向量,将特征向量作为Elman的输入量,故障类型作为输出量。本发明预测结果便可区分高压直流输电系统正常运行状态、线路故障、换相失败故障;同时随着训练集中样本数量的增加其对换相失败、线路故障和正常状态的识别率基本能达到完全识别。

技术领域

本发明涉及一种基于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,属于高压直流输电系统继电保护技术领域。

背景技术

目前,针对换相失败故障诊断主要采用熄弧角γ是否小于临界熄弧角γmin、最小电压降落法、相位比较法等,在实际工程应用中上述方法存在误差较大的缺点。近年学者们研究的利用各种传统方法对换线失败故障进行诊断,例如小波能量统计法、计算小波能量和尺度熵、利用形态能谱熵和奇异谱熵等对换相失败故障进行诊断。以上方法存在计算时间较长、需要事先设定阈值等缺点。而将神经网络应用于线路保护、故障测距、故障类型分类是高压直流输电系统的发展方向,尤其在区分故障类型上具有很好的应用。而高压直流输电系统换相失败与直流线路短路时的直流电流和直流电压的暂态特征十分相似,若不能准确有效地判别故障类型,将会导致控制保护装置的误动作。因此,针对高压直流输电系统的换相失败故障与线路短路故障有必要研究快速、准确的识别方法。

发明内容

本发明提供了一种基于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,以用于实现现有高压直流输电系统换相失败故障与线路短路故障的识别。

本发明的技术方案是: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,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Ii1;对线模分量Ii1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=[Si1,Si2,Si3,Si4];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。

所述数据采集装置采样频率为200kHz,t取值为5ms-50ms。

所述t具体取值为25ms。

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910634977.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top