论文部分内容阅读
传统重合闸在故障发生后通过预定的延时后重合,当重合于永久性故障时会给电力系统造成二次冲击。相对传统重合闸,自适应重合闸在合闸前能够识别故障性质,可避免重合闸的盲目性,只重合于瞬时性故障。自适应重合闸的关键在于故障性质的识别,因此,研究输电线路单相接地故障性质识别方法尤为重要。首先,分析输电线路单相接地故障的电弧特性和故障相端电压特性,应用ATP软件仿真分析输电线路瞬时性和永久性故障的电压特性。其次,提出了基于局部均值分解(Local mean decomposition,LMD)和样本熵(Sample entropy)理论的故障特征提取方法,将提取的故障特征作为BP神经网络的输入进行故障性质识别,实现了基于BP神经网络的输电线路单相接地故障性质识别;由于输电线路单相接地两种故障的故障相端电压波形不同,而卷积神经网络独有的卷积核可以提取图像深层次特征进行图像识别,搭建了能够识别输电线路单相接地故障性质的卷积神经网络,将故障端电压波形处理为灰度图,作为网络的输入,减少了提取故障特征的环节。最后,设计了一款输电线路单相接地故障性质识别软件,其集成了本文研究的两种故障性质识别方法,具有用户可自主选择识别方法进行故障性质识别、更新样本库以及重新训练并保存网络等功能。研究结果表明:利用LMD样本熵作为故障特征量、基于BP神经网络进行识别的输电线路单相接地故障性质识别方法,识别准确率达到99%;基于卷积神经网络的输电线路单相接地故障性质识别方法,识别准确率可达99.6%,但是所需识别时间与计算机配置密切相关;设计的输电线路单相接地故障性质识别软件能够将两种方法灵活应用。