小波包结合PSO-RBF故障测距法

论文摘要

针对传统高压直流输电故障测距方法存在的缺陷,提出了基于小波包分解与径向基函数RBF（radial basis function）神经网络相结合的故障测距算法。通过RBF神经网络拟合逼近能量比与故障距离之间的非线性关系,采用粒子群优化算法进行优化,运用小波包分解算法提取故障暂态电压信号的频谱能量对RBF神经网络进行训练学习,形成PSO-RBF故障测距模型。将反映故障位置的特征数据输入训练后的模型可进行故障测距。大量仿真结果表明,该方法精度较高,耐受过渡电阻能力强,大幅度提高了高压直流输电系统故障测距的准确性。

论文目录

• 1 输电线路行波固有频率及其与频谱能量的关系
•   1.1 故障线路等效模型
•   1.2 输电线路固有主频率故障测距的关系
• 2 小波包分解及其频谱能量特征量的提取
•   2.1 小波包分解
•   2.2 小波能量谱特征量
• 3 PSO-RBF神经网络测距故障测距模型
• 4 仿真验证
• 5 结论

文章来源

类型: 期刊论文

作者: 徐耀松,冯明昊,梁小飞,高原

关键词: 小波包分解,粒子群优化算法,径向基函数神经网络,故障测距,固有频率

来源: 电力系统及其自动化学报 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 辽宁工程技术大学电气与控制工程学院,国家电网辽宁电力有限公司营口供电公司

分类号: TM721.1

DOI: 10.19635/j.cnki.csu-epsa.000190

页码: 127-132

总页数: 6

文件大小: 948K

下载量: 295