基于小波神经网络的输电线路故障检测!.pdf

第# 卷! 第# 期 天! 津! 大! 学! 学! 报 ’()* #! +(* # ! $%% 年 月 !#$%’ ( )*%+*% ,%*-.$/*01 +(,* $%% ! 基于小波神经网络的输电线路故障检测! $ $ $ 张庆超 ，段! 晖 ，耿! 超 ，林志波 ，李阮昭 ，聂书群 （* 天津大学电气与自动化工程学院，天津%%%-$ ；$ * 中国南方电网超高压输变电公司，广州.%#$% ） 摘! 要：在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经 网络检测电力系统输电线路故障的方法* 理论分析和基于/012 仿真测试结果表明，该小波神经网络故障检测模 型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点* 关键词：小波神经网络；人工神经网络；/012 仿真；故障检测 中图分类号： 10--! ! ! 文献标志码：3! ! ! 文章编号：%456$- （$%% ）%#6%- %6%4 2#’0 3.0.40*% *% )$%/5*//*% 6*%. 7/.8 % 9-.’.0 :.#$’ :.0;$ 783+9 :;=6?@( ，AB3+ 8C; ，9/+9 D?@( ，EF+ 7?;6G($ ，EF HC@6I?@($ ，+F/ J?C6KC$ （* J?(() (L /)MNO;@) @P 3CN(Q@N;( /=;MMO;= ，1;@R; B;,MOS;NT ，1;@R; %%%-$ ，D?;@ ； $ * /UNO@ 8;=? ’()N@=M 2(VMO 1O@SQ;SS;( W;);@)M ，D?;@ J(CN?MO 2(VMO 9O;P ，9C@=I?(C .%#$% ，D?;@ ） =/0$40 ：X@SMP ( N?M @@)TS;S (L N?M N;QM LOMKCMT ?@O@NMO (L V@,M)MN LCN;( @P N?M )M@O;= @Y@G;);NT @P @)=(O;N?Q O(GCSNMSS (L N?M @ON;L;;@) MCO@) MNV(OZ （3++ ），@ QMN?(P L(O N?M L@C)N PMNMN;( (L NO@SQ;SS;( );M ; @ M)MNO;@) STSNMQ ;S YOMSMNMP ; NMOQS (L V@,M)MN MCO@) MNV(OZ（[++ ）* 1?M N?M(OMN;@) @@)TS;S @P OMSC)NS (L N?M M)MNO;@) Q@=MN; NO@S;MN YO(=O@Q（/012 ）S;QC)@N;( S?(V N?@N N?M Q(PM) @P @)=(O;N?Q (L N?M [++ L@C)N PMNMN;( @OM MLLMN;,M @P SCYMO;(O N( N?(SM (L (,MN;(@) 3++ L@C)N PMNMN;( ; ;NS KC;Z (,MO6 =MM @P =((P =MMO@);NT* ?.1;$8/ ：V@,M)MN MCO@) MNV(OZ ；@ON;L;;@) MCO@) MNV(OZ ；/012 S;QC)@N;( ；L@C)N PMNMN;(* ! ! 电力系统架空输电线路是电力系统的重要组成部 小波之间的相似程度* 分* 当系统发生非金属性接地故障时，尤其是高阻接地 ! ! 神经网络是一种成熟的非线性分析工具，具有很 故障时，由于故障电流比较小，传统的保护装置常常检 好的函数逼近性质，使用大量的现场数据并利用其自 测不到* 为此，尝试在X2 网络的基础上引入小波神经