高压直流输电系统故障诊断方法研究 study on fault diagnosis methods of hvdc transmission system.pdfVIP

第38卷 云南电力技术 VoL38No．2 2010年4月 YUNNANELECTRICPOWER Apr．2010 高压直流输电系统故障诊断方法研究 刘凤龙1 束洪眷1杨栋1杨云溪2 (1．昆明理工大学电力工程学院，云南昆明650051； 2．云南电网公司昆明供电局，云南 昆明650051) 摘要：高压直流输电(HVDC)是一种近年来快速发展的新型输电技术，其运行可靠性将极大地影响整 行仿真研究。在此基础上提出将支持向量机(SVM)用于系统故障分类，并用其它常用故障诊断方法 与基于SVM模型的方法进行比较。以验证支持向量机在高压直流输电系统故障诊断中的可行性和有 效性。 关键词：高压直流输电故障诊断支持向量机BP神经网络 中图分类号：TM73文献标识码：B 1 前言 拟人脑的学习功能，通过训练获得学习能力，解 电力系统的迅速发展，要求大量兴建500千决那些用数学模型或规则描述难以处理或无法处 伏以上的超高压输电线路。超高压直流输电 理的过程。由于神经网络具有较强的非线性映射 能力、鲁棒性和容错性，显示出来了巨大的优势。 (UI-IVDC)主要应用于远距离大容量输电、电力 系统联网、远距离海底电缆或大城市地下电缆送 4)基于支持向量机(SVM)的诊断方法： 电、配电网络的轻型直流输电等方面。HVDC系SVM基于结构风险最小化原则，成功解决了高维 统往往是各大电网之间的纽带，其可靠性对国民 问题和局部极值问题，具备了神经网络所不具备 经济至关重要。若它发生故障和供电中断，将使 的处理小样本问题的能力，因而越来越受到人们 生产停顿以致发生混乱，甚至会危及人身和设备 的重视。 的安全。所以故障诊断是超高压直流输电技术的 3支持向量机的基本理论 核心，也是HVDC系统供电可靠性的保证。 支持向量机是由Vapnik和他的合作者提出的 2故障诊断方法综述 基于统计学习理论的通用机器学习方法。与传统 高压直流输电系统的故障诊断方法主要有： 的基于知识的学习方法相比，SVM既能有效地处 1)基于解析模型的方法：该方法应用在线 理非线性数据，又能限制过学习，尤其适合于小 系统辨识技术实时地为系统建立数学模型。当系 样本集的数据处理。它可在高维特征空间使用线 统中存在故障时，系统的输入输出关系发生改变， 性函数假设空间进行学习，用有限样本得到较好 这些变化就会反映在数学模型中。由于电力系统 的模型泛化性能，同时使模型的结构和参数易于 变的越来越复杂，因此基于解析模型的方法在实 优化。所以虽然该理论发展时间较短，但已广泛 际中的使用受到了很大的限制。 应用于模式识别、回归估计等领域，在故障诊断 2)基于专家系统的诊断方法：专家系统是 和系统辨识领域也有广阔的应用空间。 指利用研究领域专家的专业知识进行推理、解决 对于一个线性可分的样本集(x；，y；)，i； 专业的高难度的实际问题的智能系统。由于传统 1，2 E 的专家系统存在知识获取困难、知识台阶窄、智 ···，，I，名ER4，d为空间向量维数，y 能水平低等缺点，因而其发展受到了限制。 {+1．一1为类别标号。分类面方程可写为： 3)基于神经网络的诊断方法：神经网络模 (∞．茹)+6=0 (