[发明专利]一种利用模极大值比的特高压直流输电线路单端测距方法有效
| 申请号: | 201510615200.2 | 申请日: | 2015-09-24 |
| 公开(公告)号: | CN105223466B | 公开(公告)日: | 2017-11-10 |
| 发明(设计)人: | 陈仕龙;李建平;谢佳伟;毕贵红;黄钰琪;罗璐;王燕武 | 申请(专利权)人: | 昆明理工大学 |
| 主分类号: | G01R31/08 | 分类号: | G01R31/08 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 650093 云*** | 国省代码: | 云南;53 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 利用 极大值 高压 直流 输电 线路 测距 方法 | ||
技术领域
本发明涉及一种利用模极大值比的特高压直流输电线路单端测距方法,属于高压直流输电系统继电保护技术领域。
背景技术
目前特高压直流输电线路故障后的测距主要依赖于行波故障定位技术。行波故障定位分为单端法和双端法,双端行波测距由于需要两端数据通信设备以及要求双端同步采样而很难实现,相比于双端行波测距,单端行波测距因其具有成本低、实时性强等优势而成为故障测距领域的重要研究方向。传统单端行波测距的关键在于第二个反射波性质的准确识别,受过渡电阻电弧特性以及系统运行方式等因素的影响,在某些情况下正确识别第二个发射波性质存在一定的困难,因此传统单端行波测距在实际应用中可靠性并不高。因此有必要研究具有更高可靠性和精确性的高压直流输电线路单端故障测距新方法。
发明内容
本发明需要解决的问题是:本发明提供了一种利用模极大值比的特高压直流输电线路单端测距方法,以用于解决行波故障定位方法中的双端法测量不方便及单端法在实际应用中可靠性不高的问题,以及测距结果易受过渡电阻影响、测距精度不够高的问题;以及其它行波数据处理方法所得到的测距结果对误差的收敛较慢且拟合程度低造成的数据处理响应慢和准确度低的问题。
本发明的技术方案是:一种利用模极大值比的特高压直流输电线路单端测距方法的具体步骤如下:
A、特高压直流输电线路发生接地故障后,正极线路与负极线路上位于整流侧的数据采集装置分别采集故障后5ms时窗内的故障电压u+、u-;
B、针对不同的过渡电阻和不同的故障距离分别对正极线路与负极线路上采集到的故障电压u+、u-进行解耦变换,得到独立的暂态电压线模分量u1与零模分量u0;
C、分别对u1、u0进行小波分解,得到第1、2、3、4尺度下的暂态电压线模分量首波头幅值U11、U21、U31、U41和暂态电压零模分量首波头幅值U10、U20、U30、U40;
D、计算同一小波分解尺度下的暂态电压线模分量与零模分量首波头模极大值比神经网络的输入矢量为[k1、k2、k3、k4];
E、将步骤D中得到的输入矢量作为神经网络的输入样本集,故障距离作为输出样本集,对神经网络进行训练,生成故障测距神经网络模型;
F、当故障测距神经网络模型形成以后,将测试样本输入训练后的故障测距神经网络模型,得到故障测距结果。
所述步骤B中过渡电阻取值为0-300Ω,其中过渡电阻的步长为10Ω。
所述步骤C中对故障数据进行小波分解变换时,所用小波基为db6。
所述步骤E中故障测距的神经网络采用BP神经网络模型,其中输入层神经元数目为4,隐含层神经元数目为28;该网络具有一个隐含层,采用S型传递函数tansig,输出层采用纯线性传递函数purelin。
所述神经网络采用自适应学习速度算法,学习率为0.01,最大训练次数取为10000,收敛精度设置为10-5。
本发明的原理是:
目前,特高压直流输电线路多采用双极模式运行,两极之间存在耦合,利用式(1)进行解耦得到独立的电压模量分量。
其中:
式(1)中,u1、u0分别表示整流侧或逆变侧的电压线模分量、零模分量;u+、u-分别表示该侧的正极线电压、负极线电压。
特高压直流输电线路发生接地故障时,来自于故障点的电压行波模量分量到达整流侧或逆变侧时,整流侧或者逆变侧检测装置处检测到的电压线模分量和零模分量会发生突变,突变的幅值A即为波头各频率分量幅值的叠加,即:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510615200.2/2.html,转载请声明来源钻瓜专利网。





