基于神经网络的输电线路故障检测技术研究

论文摘要

架空输电线路是电力系统的重要组成部分，及时准确的检测线路故障，对提高供电企业的经济和社会效益具有重要的意义。现有输电线路故障检测主要应用于高压、超高压的碘对点的输电线路，然而对于35KV及以下的复杂结构的输电线路却不适用。在研究以往线路故障检测系统不足的基础上，提出了一种基于神经网络的输电线路故障检测系统，该系统以复杂结构的10KV架空输电线路为研究对象，利用分布在线路上的数据采集设备得到电压、电流、电阻、电容和电感的相应数据；通过载波通信将数据传送给控制中心；在控制中心进行数据插值尽量恢复参数的真实分布；运用小波变换分别得到各项参数的基本分布函数，负荷引起的参数分布函数、环境因素引起的参数分布函数和脉冲类故障引起的参数分布函数，并进行奇异性检测去除噪声；然后将每个参数进行分段数据采样输入三层结构的神经网络，进行神经网络分析，最后经统计处理后输出故障类型和位置。在故障检测之前，需要利用样本集通过反向传播算法(即LMBP算法)来训练神经网络。采用EMTP仿真软件进行仿真实验，准确率较其它故障检测系统有较大提高，平均相对误差在2．1％以下，最大相对误差在2．91％以下，完全能够满足实际工作的要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景和意义
• 1.2 故障检测的相关知识
• 1.3 输电线路故障检测的现状
• 1.4 论文研究的主要内容
• 1.5 论文组织结构
• 第2章 输电线路故障检测发展现状
• 2.1 输电线路故障检测现状
• 2.1.1 距离波护法
• 2.1.2 电流监测法
• 2.1.3 故障录波器法
• 2.2 研究的现状
• 2.2.1 改进的距离保护法
• 2.2.2 暂态行波数据分析法
• 2.2.3 输电线路故障检测的相关技术
• 2.3 现状分析
• 2.4 复杂结构输电线路故障检测方法
• 2.4.1 基本要求
• 2.4.2 解决方法
• 2.5 本章小结
• 第3章 基本理论
• 3.1 数据插值
• 3.1.1 代数插值
• 3.1.2 样条插值
• 3.2 小波分析
• 3.2.1 研究的内容
• 3.2.2 小波变换原理
• 3.2.3 二进小波变换
• 3.2.4 多分辨分析
• 3.2.5 奇异性分析
• 3.3 神经网络
• 3.3.1 神经网络的概念
• 3.3.2 神经网络的特点
• 3.3.3 神经元模型
• 3.3.4 网络结构
• 3.3.5 反向传播法
• 3.3.6 改进的反向传播算法
• 3.4 本章小结
• 第4章 基于神经网络故障检测系统
• 4.1 研究的对象
• 4.2 硬件系统的组成
• 4.2.1 控制中心
• 4.2.2 数据采集设备
• 4.2.3 通信设备
• 4.3 软件系统的组成
• 4.3.1 故障分析处理系统
• 4.3.2 数据库
• 4.4 工作原理
• 4.5 本章小结
• 第5章 故障分析处理技术原理及仿真实验
• 5.1 监测对象的选择
• 5.1.1 选择的原则
• 5.1.2 确定监测对象
• 5.2 数据插值
• 5.2.1 B样条为基的插值函数
• 5.2.2 代数插值
• 5.3 小波变换
• 5.3.1 连续二进小波变换
• 5.3.2 小波变换的信号去噪
• 5.4 神经网络分析
• 5.4.1 信号采样
• 5.4.2 神经网络单元
• 5.4.3 神经网络结构
• 5.4.4 神经网络分析算法
• 5.5 统计分析
• 5.5.1 线路分解段内故障的确定
• 5.5.2 整个线路内故障的确定
• 5.6 仿真实验
• 5.6.1 EMTP仿真软件介绍
• 5.6.2 仿真环境说明
• 5.6.3 数据初始化
• 5.6.4 仿真实验
• 5.6.5 仿真实验分析
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历