组合神经网络的输电线故障类型识别.pdfVIP

继电器 年 月 第 卷 第 期 200l 4 29 4 RELAY l !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 基于组合神经网络的输电线故障类型识别 ， l 3 2 l l 张兆宁 ，毛鹏 ，郁惟镛 ，范春菊 （ 上海交通大学电力学院，上海 ； 天津大学电气自动化与能源工程学院，天津 ； l. 200030 2 . 300072 3 . 中国民航学院空管学院，天津 300300 ） 摘要：准确的输电线路故障类型识别是实现故障测距的前提，文中在高压输电线路故障分析的基础上，构建 了由 自组织特征映射神经网络模型和 网络模型组合而成的类型识别网络模型，来实现输电线路 Kohonen BP 的故障检测及故障类型识别。经理论分析和大量的EMTP 仿真表明：此网络模型较单一网络模型，所需训练 样本少，学习时间短，并且在各种故障模式下，均能可靠、准确实现输电线路故障类型的识别，不受故障过渡电 阻、故障初始角、系统运行方式、故障点位置等因素的影响。 关键词：故障类型识别； 神经网络； 输电线 中图分类号： 文献标识码： 文章编号： （ ） TM773 A l003-4897 200l 04-000l-05 准确性更为重要，并且测距元件一般安装于终端监 l 引言 视PC 机或单独构成装置，从而为采用复杂方法实 高压输电线路故障发生后，可靠、准确的故障类 现测距各部分功能（包括类型识别模块）提供了前提 型识别对于分析、排除故障具有非常重要的意义。 条件。神经网络以其固有的自学习、自组织、强鲁棒 故障类型识别是根据故障发生后可获得的信息来实 性等方面的突出特点在模式识别中具有重要地位， 现 种故障类型，即单相接地故障（ ， ， 神经网络通过对样本的学习调整整个权空间，可以 l0 A-G B-G C- ）、两相短路故障（ ， ， ）、两相短路接地故 实现任意复杂的逻辑关系表达式，由此，在故障类型 G A-B A-C B-C 障（ ， ， ）和三相短路故障（ 识别模块中，采用神经网络方法具有一定的优越性。 A-B-G A-C-G B-C-G A-B-C or A-B-C-G）的识别，因此，完全可以看成是一个模式识 故障后根据故障可测信息来准确提取反映于故 别问题。 障模式的特征向量是实现正确识别的前提条件。应 故障类型识别功能