整合小波理論與自組織映射神經網路於輸電線路故障診斷-正修科技大學.pdfVIP

整合小波理論與自組織映射神經網路於輸電線路故障診斷 金鴻展 正修科技大學 電機工程學系 E-mail: hcchin@csu.edu.tw 中文摘要 本文提出一個適用於單一或多重事故分析之新方法 ，先建立斷路器和保護電驛動作 關係因果網路關係 ，再利用小波轉換對主保護和後衛保護間之動作訊息作合理分析 ，排 除不合理或錯誤的訊息後 ，運用自組織映射神經網路模式在符合主 ，後衛保護動作之正 常邏輯下 ，估測出發生故障區段與故障類型 。利用典型之單一故障樣本 ，經由模式自織 組方式，將輸入 （頻譜）與輸出 故障類型（ ）之對應關係進行特徵映射 。此外，經由輸 出神經元之相對位置，可進行多重事故之診斷 。 關鍵字 ：因果網路 、小波轉換 英文摘要 This paper combined with wavelet transform and self-organizing feature map (SOFM) based neural network approach to handle the multiple fault diagnosis of power system transmission line. The first step consists of the construction of cause-effect nets based on a classification of relay and circuit breaker operation. The second step use the wavelet transform to detect the malfunction of relays and circuit breakers. So the contradictory information can be detected, and the mis-inferring will not occur. The last step, the most probable faulty section is selected from the candidate sections using SOFM neural network. This proposed method makes use of information from both the primary and back-up devices involving single fault, multiple faults, data communicate with errors, with the failed operation of relays and circuit breakers. The proposed approach has been tested on the data records of practical transmission lines and compared with the existing methods, to confirm that the proposed model possesses superior diagnosis accuracy. Keywords: cause-effect net, wavelet transform 一、前言 電力系統輸電線路事故診斷是透過系統中保護電驛和斷路器之運轉資訊來確定事 故障區域及故障型式 。為了確保電力供應安全及可靠性 ，被保護之線路及設備發生故障 1 時 ，應迅速將故障區段隔離 ，並將故障區域及受故障影響之區域降低至最小範圍 ，確保 人員安全及減少設備的損傷程度降低， 對供電品質的衝擊。一套完整監控系統(SCADA) 與事故區段偵測系統，將有助於提升運轉人員處理和排除事故的能力，若輸電系