输电线路单相接地故障性质识别方法研究

发布时间：2023-06-28 05:06

　　传统重合闸在故障发生后通过预定的延时后重合,当重合于永久性故障时会给电力系统造成二次冲击。相对传统重合闸,自适应重合闸在合闸前能够识别故障性质,可避免重合闸的盲目性,只重合于瞬时性故障。自适应重合闸的关键在于故障性质的识别,因此,研究输电线路单相接地故障性质识别方法尤为重要。首先,分析输电线路单相接地故障的电弧特性和故障相端电压特性,应用ATP软件仿真分析输电线路瞬时性和永久性故障的电压特性。其次,提出了基于局部均值分解(Local mean decomposition,LMD)和样本熵(Sample entropy)理论的故障特征提取方法,将提取的故障特征作为BP神经网络的输入进行故障性质识别,实现了基于BP神经网络的输电线路单相接地故障性质识别;由于输电线路单相接地两种故障的故障相端电压波形不同,而卷积神经网络独有的卷积核可以提取图像深层次特征进行图像识别,搭建了能够识别输电线路单相接地故障性质的卷积神经网络,将故障端电压波形处理为灰度图,作为网络的输入,减少了提取故障特征的环节。最后,设计了一款输电线路单相接地故障性质识别软件,其集成了本文研究的两种故障性质识别方法,具有用户可自...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
英文摘要
1 绪论
    1.1 课题研究背景及意义
    1.2 研究现状
        1.2.1 基于一次电弧的识别方法
        1.2.2 基于二次电弧的识别方法
        1.2.3 基于恢复电压的识别方法
        1.2.4 基于智能算法的识别方法
    1.3 现状分析
    1.4 本文主要研究内容
2 输电线路单相接地故障电气特性分析
    2.1 电弧特性分析
        2.1.1 一次电弧动态特性
        2.1.2 二次电弧动态特性
    2.2 故障相电压特性分析
        2.2.1 瞬时性故障电压特性分析
        2.2.2 永久性故障电压特性分析
    2.3 故障模型的搭建与仿真
        2.3.1 仿真软件的介绍
        2.3.2 电弧模型的建立
        2.3.3 输电线路单相接地故障仿真
        2.3.4 仿真结果分析
    2.4 本章小结
3 基于LMD样本熵的输电线路故障特征提取方法
    3.1 输电线路故障的高频暂态分量
    3.2 信号的LMD样本熵
        3.2.1 局部均值分解理论
        3.2.2 样本熵理论
        3.2.3 LMD样本熵
    3.3 基于LMD样本熵提取故障特征量
        3.3.1 故障信号的LMD分解
        3.3.2 故障信号特征量提取
    3.4 本章小结
4 基于BP神经网络的输电线路单相接地故障性质识别方法
    4.1 BP神经网络的原理
    4.2 设计BP神经网络
    4.3 基于BP神经网络的单相接地故障识别结果
        4.3.1 全部样本的训练与测试
        4.3.2 不同故障位置样本的训练与测试
    4.4 本章小结
5 基于卷积神经网络的输电线路单相接地故障性质识别方法
    5.1 卷积神经网络理论
        5.1.1 卷积神经网络特点
        5.1.2 卷积神经网络的网络结构
        5.1.3 卷积神经网络的三大核心思想
    5.2 设计卷积神经网络
        5.2.1 数据预处理方法
        5.2.2 设计单层卷积神经网络
        5.2.3 设计多层卷积神经网络
    5.3 基于卷积神经网络的单相接地故障识别结果
        5.3.1 单层卷积神经网络的识别结果
        5.3.2 多层卷积神经网络的识别结果
    5.4 输电线路单相接地故障性质识别软件设计
        5.4.1 两种识别方法对比
        5.4.2 输电线路单相接地故障性质识别软件设计思路
        5.4.3 输电线路单相接地故障性质识别软件
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献
附录
    攻读学位期间的学术成果
    攻读学位期间获得的荣誉



本文编号：3836037