基于经验模态分解的特高压直流输电系统换相失败识别

发布时间：2017-06-29 22:05

  本文关键词：基于经验模态分解的特高压直流输电系统换相失败识别，由笔耕文化传播整理发布。

【摘要】：特高压直流输电技术以其电压等级高、输送距离远、输送容量大的独特优势解决了我国能源与负荷分布不均衡的难题。换相失败作为特高压直流输电系统常见的一种故障,会引起交流电压、直流电流等一些电气量的突变,威胁着电力系统的安全稳定运行。因此,正确识别换相失败故障是保证特高压直流输电系统安全稳定运行的前提。本文使用逆变侧直流电流信号的线模分量作为分析对象,主要研究内容如下：研究了经验模态分解(Empirical Mode Decomposition, EMD)与神经网络相结合的方法进行换相失败故障识别。通过分别计算直流电流信号线模分量经EMD分解得到的固有模态函数(Intrinsic Mode Function, IMF)的能量和相关系数并组成两组特征向量,使用Elman神经网络分类器进行故障识别与比较。仿真实验结果表明,使用Elman神经网络与能量法结合进行换相失败故障识别,能够较准确判断出故障类型。提出EMD的改进方法聚合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)并对直流电流信号线模分量进行分解,计算近似熵和自回归(Auto Regressive, AR)模型的系数分别组成特征向量并作为Elman神经网络的输入进行故障识别。经过仿真试验,近似熵与神经网络相结合的方法能够很好的识别换相失败、线路故障、正常状态。研究改进的经验模式分解—极点对称模态分解(Extreme-Point Symmetric Mode Decomposition, ESMD)对电流信号线模分量进行ESMD分解,分别提取IMF分量的能量、相关系数、AR模型的系数、近似熵并组成四种特征向量,采用粒子群优化的最小二乘法支持向量机对系统正常状态、线路故障、换相失败进行故障识别,进一步使用支持向量机对引起换相失败的4种逆变侧交流系统故障进行识别。仿真实验诊断结果显示,在小样本情况下,ESMD、近似熵与最小二乘法支持向量机相结合的方法故障识别率较高且稳定性较好。
【关键词】：特高压直流输电系统 换相失败 故障识别 神经网络 支持向量机
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM721.1
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-19
• 1.1 课题研究背景及意义11-13
• 1.2 国内外研究现状13-16
• 1.3 本文主要研究内容16-19
• 第二章 特高压直流输电系统直流线路故障及换相失败分析19-35
• 2.1 引言19
• 2.2 特高压直流输电系统仿真模型19-20
• 2.3 直流线路故障20-22
• 2.4 换相失败分析22-28
• 2.4.1 换相失败的发生机理22-25
• 2.4.2 换相失败的影响因素及判别方法25-27
• 2.4.3 换相失败的危害及预防措施27-28
• 2.5 交流系统故障对换相失败的影响28-31
• 2.5.1 交流系统发生不对称故障对换相失败的影响28-30
• 2.5.2 交流系统发生对称故障对换相失败的影响30-31
• 2.6 直流电流信号频谱特性分析31-32
• 2.7 本章小结32-35
• 第三章 基于EMD-Elman神经网络的换相失败识别方法35-47
• 3.1 引言35
• 3.2 EMD分解及特征向量的提取35-39
• 3.2.1 EMD分解35-36
• 3.2.2 特征向量的提取36-39
• 3.3 Elman神经网络39-40
• 3.4 基于EMD和Elman神经网络的换相失败故障识别40-45
• 3.4.1 EMD和Elman神经网络故障识别算法流程41
• 3.4.2 故障识别41-45
• 3.5 本章小结45-47
• 第四章 基于EEMD-Elman神经网络的换相失败识别方法47-57
• 4.1 引言47
• 4.2 电流信号的EEMD分解47-48
• 4.3 AR模型和近似熵48-50
• 4.3.1 AR模型48-49
• 4.3.2 近似熵49-50
• 4.4 基于EEMD的换相失败故障识别50-56
• 4.4.1 基于EEMD和Elman神经网络故障识别方法流程50-51
• 4.4.2 EEMD分解51-52
• 4.4.3 特征向量提取52-54
• 4.4.4 仿真实验结果54-56
• 4.5 本章小结56-57
• 第五章 基于ESMD与PSO LSSVM的换相失败识别方法57-79
• 5.1 引言57
• 5.2 ESMD方法57-65
• 5.3 最小二乘法支持向量机65-68
• 5.3.1 支持向量机原理65-67
• 5.3.2 最小二乘法支持向量机67-68
• 5.4 粒子群优化算法68-69
• 5.5 基于PSO—LSSVM的换相失败故障识别69-76
• 5.5.1 特征值提取69-71
• 5.5.2 基于PSO-LSSVM的换相失败故障识别71-76
• 5.6 本章小结76-79
• 第六章 结论与展望79-81
• 6.1 结论79-80
• 6.2 展望80-81
• 致谢81-83
• 参考文献83-89
• 附录 (攻读学位期间发表论文和参与项目)89

【相似文献】

中国期刊全文数据库 前10条

1 汪隆君;王钢;李海锋;李志铿;;交流系统故障诱发多直流馈入系统换相失败风险评估[J];电力系统自动化;2011年03期

2 王学之;周全;国建宝;;南方电网直流换相失败机理及判别方法[J];南方电网技术;2013年06期

3 任震,陈永进,梁振升,黄雯莹;高压直流输电系统换相失败的概率分析[J];电力系统自动化;2004年24期

4 陈树勇,李新年,余军,李涛,吕鹏飞,印永华;基于正余弦分量检测的高压直流换相失败预防方法[J];中国电机工程学报;2005年14期

5 靳希;郎鹏越;杨秀;;多馈入高压直流输电系统中的换相失败浅析[J];上海电力学院学报;2006年01期

6 何朝荣;李兴源;金小明;吴小辰;颜泉;;高压直流输电系统换相失败的判断标准[J];电网技术;2006年22期

7 何朝荣;李兴源;金小明;吴小辰;颜泉;;高压直流输电系统换相失败判断标准的仿真分析[J];电网技术;2007年01期

8 吴冲;李兴源;何朝荣;;多馈入直流交互作用因子在换相失败研究中的应用[J];继电器;2007年09期

9 吴冲;李兴源;黄宗君;;高压直流输电系统换相失败及其相关问题研究[J];现代电力;2007年03期

10 任景;李兴源;金小明;吴小辰;;多馈入高压直流输电系统中逆变站滤波器投切引起的换相失败仿真研究[J];电网技术;2008年12期

中国重要会议论文全文数据库 前7条

1 李兆伟;贺静波;张同尊;姜炜;方勇杰;李威;;“8.8”多回入沪直流同时换相失败故障分析及思考[A];2013年中国电机工程学会年会论文集[C];2013年

2 梁旭懿;王钢;李海锋;李志铿;;交流系统故障对直流换相失败的关联性分析[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

3 欧开健;荆勇;任震;;直流输电系统换相失败的研究——第一部分：换相失败的影响因素分析[A];广东省电机工程学会2003-2004年度优秀论文集[C];2005年

4 高彩亮;黄少先;廖志伟;;基于小波奇异值和支持向量机的HVDC换相失败故障诊断[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

5 高彬;王钢;李海锋;李志铿;;一种降低HVDC系统换相失败发生频率的模糊控制器设计[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

6 孙志媛;梁小冰;孙艳;;基于EMTDC的多馈入直流输电系统仿真研究[A];2006电力系统自动化学术交流研讨大会论文集[C];2006年

7 周玲;宋晓芳;常康;李吉晨;;风电机组低电压穿越能力对风火打捆直流外送系统的影响[A];2013年中国电机工程学会年会论文集[C];2013年

中国博士学位论文全文数据库 前5条

1 申洪明;直流换相失败对交流侧保护的影响分析与对策研究[D];华北电力大学(北京);2016年

2 王渝红;交直流混合运行系统中的换相失败研究[D];西南交通大学;2008年

3 陈修宇;多馈入直流系统电压相互作用及其影响[D];华北电力大学;2012年

4 成敬周;高压交直流互联系统故障分析及相关保护的研究[D];浙江大学;2014年

5 曾进辉;感应滤波对多馈入直流输电系统运行特性的影响研究[D];湖南大学;2013年

中国硕士学位论文全文数据库 前10条

1 骆逍;特高压直流故障特性及对受端电网继电保护的影响研究[D];昆明理工大学;2015年

2 荣俊香;云广特高直流输电系统换相失败研究[D];昆明理工大学;2015年

3 谭海燕;交流系统对直流输电系统运行的影响相关问题研究[D];华中科技大学;2014年

4 吕明超;多馈入直流输电系统换相失败研究[D];山东大学;2016年

5 王岩;交流侧故障对永富直流输电系统保护影响的仿真分析[D];昆明理工大学;2016年

6 罗璐;基于经验模态分解的特高压直流输电系统换相失败识别[D];昆明理工大学;2016年

7 黄兆h，

本文编号：499473