[发明专利]基于小波近似熵的VSC短路故障识别方法及系统

权利要求书

1.一种基于小波近似熵的VSC短路故障识别方法，其特征在于，包括：

构建三相多电平VSC直流配电系统；

采集直流配电系统金属性短路故障后的电容电压；

将金属性短路故障后的电容电压进行小波分解，得到每层分解系数的小波近似熵；

以小波近似熵为故障信号特征向量，组成训练集；

根据故障类型设置故障代码，组成输出集；

根据训练集和输出集训练BP神经网络，得到训练后的BP神经网络；

获取直流配电网实际接地故障时待测线路特征向量；

将待测线路特征向量输入至训练后的BP神经网络，输出的故障代码，实现故障识别。

2.根据权利要求1所述的VSC短路故障识别方法，其特征在于，所述采集直流配电系统金属性短路故障后的电容电压，包括：

根据以下公式判定故障发生：

D_i为直流侧电容电压在x(i)点的导数；x(i+n)和x(i)分别为直流侧电容电压的第i+n和i个采样值；其中T为信号采样周期；D_th为设定的故障阈值。

3.根据权利要求2所述的VSC短路故障识别方法，其特征在于，当采集到直流侧电容电压首次超过故障阈值时，记录i值的大小并截取信号[i-H，i+H]内的数据作为故障时段截取信号进行故障特征提取；其中H为截取数据范围。

4.根据权利要求1所述的VSC短路故障识别方法，其特征在于，所述将金属性短路故障后的电容电压进行小波分解，得到每层分解系数的小波近似熵，包括：

设定信号分解层数为5，选用db5为小波基进行小波分解；

对小波分解系数进行重构，从低频到高频提取5层中各个频率成分的信号特征；

计算各频带范围信号的近似熵。

5.根据权利要求1所述的VSC短路故障识别方法，其特征在于，所述BP神经网络设定输入层节点数为5，输出层节点数为1，中间层神经元个数为10；中间层采用tansig函数，输出层采用logsig函数；训练函数的选择为trainlm函数。

6.一种基于小波近似熵的VSC短路故障识别系统，其特征在于，包括：

构建模块，用于构建三相多电平VSC直流配电系统；

采集模块，用于采集直流配电系统金属性短路故障后的电容电压；

小波分解模块，用于将金属性短路故障后的电容电压进行小波分解，得到每层分解系数的小波近似熵；

训练集组成模块，用于以小波近似熵为故障信号特征向量，组成训练集；

输出集组成模块，用于根据故障类型设置故障代码，组成输出集；

神经网络训练模块，用于根据训练集和输出集训练BP神经网络，得到训练后的BP神经网络；

获取模块，用于获取直流配电网实际接地故障时待测线路特征向量；

故障识别模块，用于将待测线路特征向量输入至训练后的BP神经网络，输出的故障代码，实现故障识别。

7.根据权利要求6所述的VSC短路故障识别系统，其特征在于，所述采集模块包括：

故障判定单元，用于根据以下公式判定故障发生：

D_i为直流侧电容电压在x(i)点的导数；x(i+n)和x(i)分别为直流侧电容电压的第i+n和i个采样值；其中T为信号采样周期；D_th为设定的故障阈值。

8.根据权利要求6所述的VSC短路故障识别系统，其特征在于，所述小波分解模块包括：

分解层数设定单元，用于设定信号分解层数为5，选用db5为小波基进行小波分解；

系数重构单元，用于对小波分解系数进行重构，从低频到高频提取5层中各个频率成分的信号特征；

计算单元，用于计算各频带范围信号的近似熵。