[发明专利]一种基于行波特征频率的配电网混联线路故障定位方法

权利要求书

1.一种基于行波特征频率的配电网混联线路故障定位方法，其特征在于，包括以下步骤：

步骤1：获取混联线路故障后线路首端测量点的暂态电压波形；

步骤2：将获得的暂态电压波形信号进行相模变换实现三相解耦，三相电压分别为u_a、u_b、u_c，经过变换后的零模和线模分量分别是u₀、u_α、u_β，采用克拉克Clarke变换，电压矩阵方程写为：

取暂态电压的线模分量u_α，滤除工频量；

步骤3：对步骤2滤除工频量后的暂态电压的线模分量u_α进行小波多分辨率分析，通过计算信号在各频段的小波能量总和得到信号特征频率的分布；k时刻m尺度的小波能量通过信号细节系数的平方和来计算：

式中：D_m——m尺度下的细节输出，d_m,k——k时刻m尺度下的细节系数；

依据公式(2)得到的各尺度小波能量，计算暂态电压波形信号在各尺度的小波能量百分比，以此反映故障路径对应的特征频率；

步骤4：改变故障条件和故障位置，重复前三个步骤，从步骤3的结果提取频率主要集中尺度的小波能量百分比，为提高准确度，扩大1-3个尺度范围，作为样本输入，归一化得到样本集，样本集的80％作为训练样本，20％作为测试样本；

步骤5：建立小波神经网络模型拟合暂态电压波形信号各频段小波能量百分比与故障位置的关系，初始化参数；小波神经网络模型沿用BP神经网络架构，为三层神经网络，激活函数为Morlet小波函数h_a,b，如公式(3)：

式中，x为小波神经网络输入参数；a,b分别为小波基的伸缩因子和平移因子；

输入层节点数与特征频率能量集中的主要频带数相同；输出为对应的故障点距观测点的位置；隐含层节点数的确定是在框定节点数范围内，依次试验不同节点数时小波神经网络的输出精度、收敛速度，选取性能最佳的节点数作为隐含层节点数；

步骤6：通过粒子群算法优化步骤5中小波神经网络模型的参数：小波基的伸缩因子、平移因子和网络初始权值；粒子群算法的适应度函数e由神经网络的均方差确定：

其中N是训练样本总数；p是样本编号；y_p是小波神经网络输出值；y_np是小波神经网络的理想输出值；

由输入小波神经网络的样本与输出小波神经网络的期望计算粒子群体中每个粒子个体的适应度数值，迭代寻优，更新粒子速度和位置，将设定的最大迭代次数设为终止条件，满足终止条件后将全局最优参数代入步骤5建立好的小波神经网络模型中进行训练，当小波神经网络的训练满足终止条件即输出误差小于设定值或达到最大训练次数，结束训练；

步骤7：将测试样本输入步骤6中训练好的小波神经网络模型，输出故障距离得到故障位置，达到故障定位的目的。