[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

摘要

本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。

主权项

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：/nS1、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_-；/nS2、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；/nS3、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；/nS4、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。/n