基于小波奇异熵和人工神经网络理论的输电线路故障识别研究.pdfVIP

基于小波奇异熵和人工神经网络理论的输电线路故障识别研究 符 玲 1.2，何正友 1.2 (1.西南交通大学电气工程学院，四川省成都市 610031 2.电力系统保护与动态安全监控教育部重点实验室 （华北电力大学）) 摘 要:泛化信息熵目前在信号识别和故障诊断领域得到 传统方案中利用工频分量的作法，而利用故障后 了广泛应用并取得了一定成效，小波熵正是一种典型的泛 的高频信号来实现线路故障识别，因此具有速度 化熵，其在电力系统故障检测和识别中的应用具有巨大的 快、不受过渡电阻和系统扰动影响等明显优势， 潜力。本文通过对小波变换、奇异值分解 （SVD）理论及 [6-13] 因此，在输电线路故障诊断中具有重要意义 。 信息熵原理的研究，分析了小波奇异熵对输电线路故障暂 大量仿真表明该故障识别方案具有较好效果，同 态分析的本质；在此基础上把小波奇异熵应用于输电线路 时验证了对小波奇异熵分析的正确性以及 BP 神 的故障类型识别，并结合人工神经网络理论提出了具体的 经网络优秀的学习能力，同时表明了小波熵理论 识别方案。基于PSCAD/EMTDC 的输电线路故障仿真结果证 和人工智能方法相结合在电力系统故障诊断及电 实了基于小波奇异熵和神经网络理论的故障识别方案的 力系统其它研究领域中的应用潜力和学术价值。 可行性，并表明该方法将不会受到故障时刻、故障位置、 1 小波奇异熵的应用机理 输电线路过渡电阻等因素的影响，具有较好的适应性。 小波变换能很好反映被分析信号的时频特 性，具有很好的时频局部化特性，因此对故障信 关键词：小波变换，奇异值分解，信息熵，小波奇异熵， 号进行小波变换能从时频两域表征其局部特征。 人工神经网络，故障类型识别 奇异值分解 （SVD）理论中，任何m n 阶的 [14-15] 矩阵A 的奇异值分解表示为 ： 0 引言 T A UV （1） 在我国电力输电系统中，故障类型的识别对 于保护的正确动作和故障的迅速排除都具有重要 其中，U 和V 分别是m m 阶和n n 阶正 意义。但由于电力系统的复杂性，传统的数学模 交矩阵； （ ）  diag (,  ,  , ,  ) p min(m ,n ) 1 2 3 p 型理论已显得力不从心，鉴于小波变换在处理故 障异常信号中的独特优势和信息熵能定量描述信 是对角矩阵，其对角元素是按降序排列的奇异值。 号不确定性的优点，以及它们在机械故障诊断领 SVD 的物理意义在于：若矩阵A 表示信号的时频 [1、2]