[发明专利]一种特高压换流站交流滤波器在线故障诊断分析方法

权利要求书

1.一种特高压换流站交流滤波器在线故障诊断分析方法，其特征在于，包括下列步骤：

S1，根据特高压换流站的故障录波器记录的历史波形数据采用收网算法训练RBF神经网络，以确定RBF神经网络的模型参数，所述模型参数包括RBF神经网络的中心、权重和宽度；

S2，根据特高压换流站的故障录波器记录的数据获取特高压换流站的当前波形数据，并对当前波形数据进行特征量提取，提取的特征量包括时域特征量和频域特征量；

S3，对提取的特征量进行归一化处理；

S4，将归一化处理后的特征量输入训练好的RBF神经网络，并根据训练好的RBF神经网络的输出结果诊断交流滤波器是否出现故障；

其中，所述时域特征量包括断路器的分合闸时间T、交流滤波器分合闸时录下波形中的电流最大值I_max和电流最小值I_min及三相匹配度γ；其中：

T＝max(T_A,T_B,T_C) (1)

公式(1)中，T_A、T_B和T_C分别为交流滤波器A、B、C三相的分合闸时间；

公式(2)中，i_a、i_b和i_c分别表示交流滤波器A、B、C三相移相后的电流瞬时值，I_a、I_b和I_c分别表示交流滤波器A、B、C三相的电流幅值，d表示波形数据中第d个周期的波形。

2.根据权利要求1所述的特高压换流站交流滤波器在线故障诊断分析方法，其特征在于，所述频域特征量包括零序电流谐波最大值I_H,max、交流滤波器断路器零序电流的谐波含量δ和总谐波畸变率K_THD；其中：

公式(3)中：I_H,e为e次谐波有效值，I_r为对应交流滤波器组的额定电流；

3.根据权利要求1所述的特高压换流站交流滤波器在线故障诊断分析方法，其特征在于，所述步骤S1在确定RBF神经网络的模型参数时，包括：

S11，对特高压换流站交流滤波器投切时故障录波器记录的M组历史波形数据进行特征量提取，得到时域特征量和频域特征量共七个特征量，并标注M组历史波形数据的异常状态得到状态值，将七个特征量和一个状态值组合成初始训练数据集S_M×8，其中，时域特征量包括断路器的分合闸时间T、交流滤波器分合闸时录下波形中的电流最大值I_max和电流最小值I_min及三相匹配度γ，频域特征量包括零序电流谐波最大值I_H,max、交流滤波器断路器零序电流的谐波含量δ和总谐波畸变率K_THD；

S12，对初始训练数据集S_M×8中的七个特征量进行归一化处理，形成标准训练数据集S'_M×8；

S13，确定RBF神经网络的隐含层数量z及收网算法的开拓系数C，并根据隐含层的数量z及特征量数量确定收网算法的结点数量A，其中：

A＝2(7×z+2×z)y (7)；

公式(6)中，K表示总迭代次数，k表示第k次迭代；公式(7)中，y表示每个超平面选取的结点数量；

S14，确定RBF神经网络的目标函数为如下公式(8)，收网算法的迭代更新公式为如下公式(9)，并选取标准训练数据集S'_M×8中的H条数据通过已经预设开拓系数和迭代次数的收网算法来对RBF神经网络进行参数辨识，得到RBF神经网络的中心T_i、权重W_i和宽度σ_i；

公式(8)中，Y(j)表示第j次迭代的实际输出值，S'(j,m)表示第j次迭代的输入值；公式(9)中，X^(k)表示第k轮迭代时的结点位置，X^(k+1)表示第k+1轮迭代时的结点位置，X^best表示搜索历史中出现的最优结点位置，ξ^(k)与ζ^(k)分别表示[0，1]之间的随机数；

S15，以H条数据中的状态值为参考，使用步骤S14确定中心T_i、权重W_i和宽度σ_i后的RBF神经网络，从0到1每次步进0.01对100个值分别计算准确率，选取准确率最高的值作为标准阈值。

4.根据权利要求3所述的特高压换流站交流滤波器在线故障诊断分析方法，其特征在于，步骤S4在根据训练好的RBF神经网络的输出结果诊断交流滤波器是否出现故障时，包括：

当训练好的RBF神经网络的输出结果大于标准阈值时，确定交流滤波器出现故障；当训练好的RBF神经网络的输出结果不大于标准阈值时，确定交流滤波器未出现故障。