基于神經網絡的配電網小電流單相接地故障定位方法
【專利摘要】本發明公開了一種基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，包括：步驟一：安裝FTU，將饋線終端裝置所在位置定為參考測量點；步驟二：通過FTU采集訓練樣本數據，得到故障信號的模極大值；對所述訓練樣本數據進行歸一化處理后作為輸入訓練樣本，實際故障距離作為輸出訓練樣本；步驟三：構建優化BP神經網絡模型；步驟四：完成構建BP神經網絡模型；步驟五：優化完畢的BP神經網絡模型對故障信號進行分析，得出故障點位置。本發明對故障定位精度高，不需要大量監測設備，可以避免成本增大的問題。
【專利說明】基于神經網絡的配電網小電流單相接地故障定位方法
【技術領域】
[0001]本發明涉及一種配電網小電流單相接地故障定位方法，具體涉及一種基于神經網絡的配電網小電流單相接地故障定位方法，本發明屬于電力系統及其自動化領域。
【背景技術】
[0002]在我國，目前配電自動化所涉及的主要是IOkV的中壓電網，一般供電范圍為10km。為了提高供電的可靠性，我國的IOkV配電網一般采用中性點不接地方式運行，當發生單相接地故障時，接地電流很小，故這種系統又稱為小電流接地系統。當IOkV配電網發
生單相接地故障后，非故障相對地工頻電壓升高至原來的.>/!倍。此時，系統仍可以繼續運
行1-2小時，但用電設備處于過電壓運行狀態，對系統的絕緣要求高，并且極易發展成多點故障或相間短路故障。單相接地故障在配電網故障中占75%以上。因此，準確地找到故障發生的位置是隔離故障區域并恢復非故障區域的正常供電的重要前提。
[0003]傳統的IOkV配電網單相接地故障定位一般采用逐條線路拉閘停電的方法來確定故障線路，在選出故障線路后，再派工作人員到現場沿線查找故障位置，然后排除故障。傳統方法耗費大量的人力、物力和時間。
[0004]在目前配電自動化系統中，采用較為廣泛的故障定位方法有阻抗法，行波法和S信號注入法。阻抗法的故障測距原理是假定線路為均勻傳輸線，在不同故障類型條件下計算出的故障回路阻抗或電抗與測量點到故障點的距離成正比。阻抗法受路徑阻抗、線路負荷和電源參數的影響較大。行波法測量故障點產生的行波在故障點及母線之間往返的時間或利用故障行波到達線路兩端的時間差來計算故障距離。該方法易受配電網發生單相接地故障時的接地電阻的影響，導致反射波信號不明顯，增加了反射波識別的難度。S信號注入法的原理是通過母線PT向接地線的接地相注入S信號電流，然后利用專用的信號電流探測器查找故障線路和故障點。S注入法的缺點在于注入信號的能量有限，而且受導線分布電容影響較大，容易導致信號微弱，無法測量。
【發明內容】
[0005]為解決現有技術的不足，本發明的目的在于提供一種基于神經網絡的配電網小電流單相接地故障定位方法，達到對現有的。
[0006]為了實現上述目標，本發明采用如下的技術方案:
[0007]基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，包括:
[0008]步驟一:在變電站主變低壓IOkV側或低壓IOkV母線開始的適當位置安裝FTUJf饋線終端裝置所在位置定為參考測量點；
[0009]步驟二:通過FTU采集訓練樣本數據，對訓練樣本數據進行小波模極大值的奇異性檢測，得到故障信號的 模極大值；對所述訓練樣本數據進行歸一化處理后作為輸入訓練樣本，實際故障距離作為輸出訓練樣本；
[0010]步驟三:使用遺傳算法優化BP神經網絡的初始連接權值和閥值，構建適合于IOkV
【權利要求】
1.基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，包括: 步驟一:在變電站主變低壓IOkV側或低壓IOkV母線開始的適當位置安裝FTU，將饋線終端裝置所在位置定為參考測量點； 步驟二:通過FTU采集訓練樣本數據，對訓練樣本數據進行小波模極大值的奇異性檢測，得到故障信號的模極大值；對所述訓練樣本數據進行歸一化處理后作為輸入訓練樣本，實際故障距離作為輸出訓練樣本； 步驟三:使用遺傳算法優化BP神經網絡的初始連接權值和閥值，構建適合于IOkV中性點不接地系統的單相接地故障定位的優化BP神經網絡模型；所述優化BP神經網絡模型分為三層:輸入層、隱含層和輸出層；輸入層為故障信號小波變換的模極大值；輸出層包含單一神經元，輸出層的值反映相對于參考測量點的故障點位置； 步驟四:從優化的BP神經網路輸出層開始逐層計算各層神經元的輸出誤差Ep，完成構建經遺傳算法優化的BP神經網絡模型； 步驟五:優化完畢的BP神經網絡模型對FTU裝置上報的配電網實際運行的故障信號進行分析，得出故障點位置。
2.根據權利要求1所述的基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，所述訓練樣本數據包括母線的零序電流和零序電壓。
3.根據權利要求2所述的基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，小波模極大值的奇異性檢測:
4.根據權利要求3所述的基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，所述步驟是包括: 步驟4a:從優化的BP神經網路輸出層開始逐層計算各層神經元的輸出誤差Ep，
5.根據權利要求4所述的基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，根據誤差梯度下降法來調節各層的權值和閾值的具體步驟包括: 通過輸出層權值調整公式
6.根據權利要求5所述的基于神經網絡的配電網小電流單相接地故障定位方法，其特征在于，所述期望值通過公式，
【文檔編號】G01R31/08GK103884966SQ201410150964
【公開日】2014年6月25日 申請日期:2014年4月15日 優先權日:2014年4月15日
【發明者】胡鋼, 肖智國, 臧川, 江冰 申請人:河海大學常州校區