基于神经网络的传输线故障识别方法研究

论文摘要

电力系统安全稳定的运行,对于国家经济发展、人们工作生活,乃至国防安全等各行各业均显得尤为重要。输电线路作为连接电力系统中各个环节的关键,其具有极高可靠性的重要意义不言自明。随着电力系统的不断发展,输电线路等级随之日益提高,输电距离也不断增加。当输电线路发生故障时,快速、准确的排除故障能够最大程度的减小故障带来的损失,这也是研究人员所面对的一个重要课题。相控分断技术能够有效减小开关动作过程中产生的涌流和暂态过程,在故障电流分断方面具有广阔的发展前景。而为实现在这方面的应用,首先要解决的就是要在尽可能短的时间内对故障类型进行正确的识别。人工神经网络,在近几十年里不断成熟,因其并行分布式的结构和强大的非线性数据处理能力,在对海量信息的分析方面有着特有的优势。而电力传输线是一个包含着大量数据信息的系统,短路故障类型判断从本质上来讲又属于一种模式识别,这刚好为人工神经网络提供了用武之地。本文的主要工作就是要验证以上两者结合的可行性。首先,概括的介绍了电力传输线中发生的主要故障类型及特点,了解了在短路故障类型识别方面国内外的研究现状。随后,介绍了人工神经网络的基本原理和结构,重点研究了BP神经网络和RBF神经网络的特点和算法。在利用Simulink软件建立了500kV传输线模型的基础上,对不同类型的短路故障仿真采样,提取了相应的故障特征向量,利用两种神经网络算法进行了故障类型识别并做比较。最后,在Visual Basic环境下建立了故障识别界面,以克服Matlab程序交互性差的弱点,使操作更加友好。本文进行了大量的实验工作,在故障波形仿真和类型识别等方面取得了十分理想的结果。在理论和实践两方面验证了利用神经网络判断传输线短路故障类型是切实可行的。同时也为后续研究工作提供了思路和方法上有利的参考。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景及意义
• 1.2 电力系统故障概述
• 1.2.1 短路故障概念及产生原因
• 1.2.2 短路故障现象及其影响
• 1.3 国内外应用及研究现状
• 1.3.1 人工神经网络在电力系统中的应用现状
• 1.3.2 短路故障类型识别方法的研究现状
• 1.4 本文主要内容
• 2 人工神经网络基本理论
• 2.1 人工神经网络概述
• 2.1.1 生物神经元模型
• 2.1.2 人工神经网络发展
• 2.1.3 基本人工神经元模型
• 2.2 BP神经网络原理
• 2.2.1 正向传播算法
• 2.2.2 反向传播算法
• 2.2.3 网络结构的确定
• 2.3 RBF神经网络原理
• 2.3.1 RBF网络模型
• 2.3.2 RBF网络算法
• 2.4 本章小结
• 3 基于Simulink的传输线建模
• 3.1 传输线模型类型选取和建模平台介绍
• 3.1.1 模型类型介绍
• 3.1.2 建模平台介绍
• 3.2 基于Simulink的传输线建模及故障仿真
• 3.2.1 传输线路建模
• 3.2.2 传输线路短路故障仿真
• 3.3 本章小结
• 4 基于两种神经网络算法的故障类型识别
• 4.1 输入向量及目标输出向量的构成
• 4.1.1 输入向量的构成
• 4.1.2 目标输出向量的构成
• 4.2 训练、测试样本的建立
• 4.2.1 训练样本的建立
• 4.2.2 测试样本的建立
• 4.3 基于BP神经网络的故障类型识别
• 4.3.1 BP神经网络的建立及训练
• 4.3.2 BP神经网络性能测试
• 4.4 基于RBF神经网络的故障类型识别
• 4.4.1 RBF神经网络的建立及训练
• 4.4.2 RBF神经网络性能测试
• 4.4.3 BP神经网络与RBF神经网络的比较
• 4.5 本章小结
• 5 VB环境下的界面设计
• 5.1 VB与Matlab之间接口链接方法
• 5.1.1 链接方法介绍
• 5.1.2 调用指令介绍
• 5.2 VB环境下的界面设计
• 5.2.1 界面工作过程
• 5.2.2 界面设计及功能实现
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢