基于GRNN的特高压直流输电线路故障识别方法.pdfVIP

第30卷第2期哈尔滨理工大学学报Vol.30No.2

2025年4月JOURNALOFHARBINUNIVERSITYOFSCIENCEANDTECHNOLOGYApr.2025

基于GRNN的特高压直流输电线路故障识别方法

111223

谢佳,刘锋,柯艳国,殷振,阮巍,姚金明

(1.国网安徽省电力有限公司,合肥230061;2.国网安徽省电力有限公司超高压分公司,合肥211525;

3.南京邮电大学自动化学院、人工智能学院,南京210023)

摘要:针对特高压直流保护容易拒动和故障检测时间过长的问题,提出一种基于广义回归神经网络(general-

izedregressionneuralnetwork,GRNN)的特高压直流输电线路故障识别方法。首先,基于广义S变换,获取频域下的

故障特征量信息,构建GRNN的输入数据。其次,利用混沌量子粒子群算法(chaosquantumparticleswarmoptimiza-

tion,CQPSO)优化GRNN参数,以适应度函数最低为原则形成理想的网络模型,更好地学习特高压直流输电线路故

障特征,利用Softmax分类器将深层的特征量进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类

为正极故障、负极故障和双极故障,输出识别结果。最后,利用在PSCAD/EMTDC仿真环境下搭建的特高压直流输

电模型进行验证,验证结果表明,所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有很好的

效果,相比于传统卷积神经网络、广义回归神经网络、支持向量机等方法,本文所提方法的故障识别准确率分别提

升了6.6%、0.65%、7.69%,满足特高压直流输电线路保护的快速性和可靠性需求。

关键词:广义回归神经网络;特高压直流输电线路;继电保护;广义S变换;故障识别

DOI:10.15938/j.jhust.2025.02.014

中图分类号:TM723文献标志码:A文章编号:1007-2683(2025)02-0131-09

UHVDCTransmissionLineFaultIdentificationMethod

BasedonGeneralizedRegressionNeuralNetwork

111223

XIEJia,LIUFeng,KEYanguo,YINZhen,RUANWei,YAOJinming

(1.StateGridAnhuiElectricPowerCo.,Ltd.,