III --
III
基于BP神经网络的输电线路单相接地故障性质识别方法研究
摘要
传统的重合闸装置的工作方式被设计为：故障发生之后，经过一个预先设置的固定延时，自动重合。但是，如果性能系统不能自动消除故障（这通常意味着它的自动恢复性质为永久性），重复的损失可能会对性能系统产生副作用，并可能损坏性能系统。自适应重电路装置能在错误的动作发生前，通过不同方法检测出故障的自动恢复性质，避免了输入的盲目性，在出现永久性故障时不会动作。自适应重合闸最重要的技术是识别故障的自动恢复性质，因此放在输电线路单相接地故障这一情形之中研究最为重要。
首先，在发生输电线路单相接地故障的电力系统中，对电弧以及故障相端电压的特性进行分析。运用ATP软件，对输电线路不同自动恢复性质的故障，进行电压特性的仿真分析。并提出了基于样本熵和局部均值分解这两种理论的，提取故障特征的方法。并把提取到的故障特征，输入BP神经网络，用以识别故障。这实现了运用BP神经网络识别输电线路单相接地故障的自动恢复性质。因为不同自动恢复性质的故障，故障相端电压波形有所不同，且卷积神经网络系统中的卷积核，可以提取、识别图像特征。因而搭建一个卷积神经网络，用于识别单相接地故障的自动恢复性质。将故障电压波形图像制作成灰度图，输入网络以减少故障特征的提取环节。最后，测试了一款集成了本文研究的两种识别方法的软件，可用于类似识别。另有用户可以自主选择用于识别的识别方法、样本库更新、重新训练并保存网络等功能。
研究结果表明，前文提及的两种识别方法，均能达到98%的的识别准确率。识别方法的选择影响识别的准确率，以及识别所用时间，密切相关于应用现场的计算机配置。测试的识别软件可以灵活运用两种识别方法。
关键词：故障识别方法；局部均值分解；样本熵；BP神经网络；卷积神经网络
目录
TOC\o1-2\h\u摘要 I
1绪论 1
1.1课题研究背景与意义 1
1.2研究现状 1
1.3主要设计内容 2
2输电线路单相接地故障电气特性分析 4
2.1弧光放电特征分析 4
2.2故障相电压特性分析 6
2.3故障模型的搭建与仿真 10
3基于LMD-SE的输电线路故障特征提取方法 20
4输电线路单相接地故障性质识别方法 27
4.1BP神经网络的输电线路单相接地故障性质识别方法 27
4.2卷积神经网络的输电线路单相接地故障性质识别方法 33
4.3输电线路单相接地故障自动恢复性质识别软件设计 38
5结论 43
参考文献 44
PAGE2
1绪论
输电线路单相接地故障的电气参数，现阶段根据时间变化划分为，一次电弧放电阶段、二次电弧放电阶段、恢复电压阶段。不同自动恢复性质的故障在不同的时间阶段，故障电弧表现出的电气参数有所差异。这是故障识别得以进行的重要理论依据。
图1-1瞬时性单相接地故障过程中的故障相电压幅值变化情况
这样的装置如能应用，将进一步提升供电系统的可靠性与安全性。而区分的关键就在于故障性质。一个较为合适的思路是通过故障电弧的差异，来区别不同类型的故障。电弧分为出现故障到断路器动作之间阶段的一次电弧、断路器断开到电弧熄灭之间阶段的二次电弧[1]。
一次电弧由出现故障的供电系统提供燃烧电源，电压较高，可以检测其幅值或者高频分量，以识别故障性质。但是相关研究比较稀少，因为模型建构难度很大，而且暂态与稳态相互重叠，识别难度较大。
二次电弧由故障相与非故障项之间的耦合电压提供燃烧电源。在瞬时性故障中，电弧电压高于重燃电压的情况下反复熄灭、重燃。但在永久性故障中，故障点往往有着牢固的接地点，可以通过快速释放电压，大大缩短电弧的持续时间与弧长。
每当输电线路发生单项接地故障，为了应用技术先进的自适应重合闸，对故障性质的快速识别是十分必要的。本文主要的论述内容，是提出一种提取单相接地故障特征量的方法，并且对两种单相接地故障性质的识别方法进行研究。主要内容为：
在单相接地故障发生时，本文从理论上分析了电弧和故障相端电压的特性。搭建750kV输电线路的模型，及其故障电弧的模型。仿真模拟输电线路单相接地故障，在不同故障位置和过渡电阻时的情况[4]。
结合LMD方法和SE理论，构造了一种提取不同自动恢复性质的故障相电位差信号特征的方法，并在这个过程中重点分析单相输电线路故障中对地过渡电压分量的差异。
基于被广泛研究的误差反向传播算法，构建用于识别输电线路单相接地故障自动恢复性质的误差反向传播神经网络，输入提取出来的故障信号LMD-SE特征量，进行故障性质的识别。
对CNN理论进行分析并搭建一套CNN网络，处理故障电压信号并输入，实现输电线路单相接地故障