配电网高阻接地故障智能识别方法研究

发布时间：2024-03-23 21:56

　　配电网是电力系统中与用户联系最为紧密的环节,其覆盖面广泛,相比于输电网故障几率高。目前,配电网的规模不断扩大,对配电网馈线的安全性和可靠性的要求也越来越高。相较于一般单相接地故障,高阻接地故障的过渡电阻很大,引起的电压、电流突变很小,常规的保护设备难以检测到并可靠动作,故障无法及时排除可能导致电气设备损坏以及火灾、人身触电等安全事故,后果严重。因此需要对其进行快速检测及识别分类,并采取相应措施。通过介绍高阻接地故障检测领域国内外研究方向和发展趋势,对比多种信号特征提取方法和智能分类器的优缺点后,说明局部特征尺度分解(Local Characteristic scale Decom-position,LCD)在非线性、非平稳信号的处理上效果很好,同时提出了将深度学习算法应用在故障识别方面的可能性。分析LCD带通滤波的信号处理过程,说明LCD带通滤波算法在信号分解上可靠性高、可以反映信号的时频信息。考虑到配电网中存在与高阻接地故障波形相似的暂态扰动工况,数据样本中囊括了高阻接地故障、一般单相接地故障以及电容投入、负荷投入、空载线路等暂态扰动工况。本文提出了两种配电网高阻接地故障识别方法。方...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 课题背景与研究意义
    1.2 国内外研究现状
        1.2.1 国内外已有研究
        1.2.2 存在的问题和难点
    1.3 本文的主要研究内容和创新点
        1.3.1 主要研究内容
        1.3.2 创新点
第二章 配电网接地故障分析及故障信号特征量提取方法
    2.1 单相接地故障特征分析
        2.1.1 单相接地故障稳态分析
        2.1.2 单相接地故障暂态分析
    2.2 高阻接地故障特征分析
    2.3 接地电弧原理
        2.3.1 稳定性电弧
        2.3.2 间歇性电弧
    2.4 基于LCD带通滤波的信号分解
        2.4.1 局部特征尺度分解基本原理
        2.4.2 LCD带通滤波算法
    2.5 基于时频矩阵分解的信号特征量提取
    2.6 本章小结
第三章 基于支持向量机的配电网高阻接地故障识别
    3.1 支持向量机基本原理
        3.1.1 机器学习理论
        3.1.2 支持向量机
    3.2 基于SVM的配电网高阻接地故障识别
        3.2.1 多级SVM构成
        3.2.2 参数设置
        3.2.3 高阻接地故障多级SVM识别实现步骤
    3.3 本章小结
第四章 基于深度学习的配电网高阻接地故障识别
    4.1 深度学习概述
    4.2 卷积神经网络基本理论
        4.2.1 卷积神经网络
        4.2.2 反向传播算法
    4.3 基于卷积神经网络的配电网高阻接地故障识别
        4.3.1 分块时频能量谱
        4.3.2 改进CNN网络结构与参数设定
        4.3.3 配电网高阻接地故障识别过程
    4.4 本章小结
第五章 软件及物理仿真验证
    5.1 软件仿真建模
        5.1.1 配电网软件仿真模型
        5.1.2 高阻接地故障模型
        5.1.3 间歇性电弧模型
        5.1.4 暂态工况模型
    5.2 配电网物理实验平台仿真
    5.3 配电网高阻接地故障识别测试结果及分析
        5.3.1 软件仿真样本分布
        5.3.2 物理模型样本分布
        5.3.3 测试结果
    5.4 故障识别算法适应性分析
        5.4.1 噪声干扰
        5.4.2 采样不同步
        5.4.3 分布式电源接入
        5.4.4 不同模型样本混合测试
    5.5 两种故障识别方法的对比分析
    5.6 本章小结
总结与展望
    总结
    展望
参考文献
致谢
个人简历及研究成果



本文编号：3936522