基于三序分量法和PNN的配电网不对称故障类型识别

论文摘要

针对配电网故障类型识别率低的问题,提出一种基于正、负、零三序分量和概率神经网络(PNN)的配电网故障类型识别方法。首先,利用Matlab软件对10 kV配电网发生各类不对称故障进行仿真,将产生的故障电流用对称分量法进行分解,然后得到有差异的正、负、零序电流;再用这3种分量作为特征量,代入PNN进行训练;最后,将现有的故障特征量输入训练完成且具有识别功能的PNN网络中,达到故障识别及分类的目的。仿真结果表明:在不同的故障合闸角、过渡电阻以及负荷有重大变化等情况下,三序分量法与负序分量法在区分单相接地、两相短路接地、两相相间短路等不对称故障时,前者区分准确度更高,对进行事故分析和故障选相等具有重要意义。

论文目录

• 1 不对称故障特性
•   1.1 接地故障的分析方法
•   1.2 两相短路接地故障三序特性分析
• 2 故障分类方法
•   2.1 PNN故障分类原理
•   2.2 故障分类实施方案
• 3 仿真分析
•   3.1 仿真模型
•   3.2 故障类型的识别
•   3.3 负序分量法与三序分量法对比
• 4 结束语

文章来源

类型: 期刊论文

作者: 陈新岗,陈小青,冯煜轩,贺娟,罗浩,余兵

关键词: 配电网,故障类型识别,故障特征量提取,神经网络

来源: 重庆理工大学学报(自然科学) 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 重庆理工大学,重庆市能源互联网工程技术研究中心

基金: 重庆市教委基金项目(KJ1709225)

分类号: TM73;TP183

页码: 201-207

总页数: 7

文件大小: 281K

下载量: 123