[发明专利]一种基于人工神经网络的特高压直流输电线路的故障定位方法

权利要求书

1.一种基于人工神经网络的特高压直流输电线路的故障定位方法，包括以下步骤：

步骤1、获取直流线路两端测量点的故障电压信号、电流信号；

步骤2、解耦得到故障电压信号、电流信号线模分量；

步骤3、对故障电压信号、电流信号线模分量进行小波变换，得到不同尺度信号，求取故障电压信号、电流信号线模分量首波头幅值比；

步骤4、将步骤3中得到的电压信号线模分量首波头幅值比作为神经网络的输入样本，故障距离作为输出样本集，对神经网络进行训练，形成故障测距神经网络I，将电压信号线模分量首波头幅值比的测试样本输入训练好的神经网络I得到故障距离X1；将步骤3中得到的电流信号线模分量首波头幅值比作为神经网络的输入样本，故障距离作为输出样本集，对神经网络进行训练，形成故障测距神经网络II，将电流信号线模分量首波头幅值比的测试样本输入训练好的神经网络II得到故障距离X2；

步骤5、采用全局几何平均最优法进行结果优化。

2.根据权利要求1所述的基于人工神经网络的特高压直流输电线路的故障定位方法，其特征在于，所述步骤1中，当输电线路发生故障时，从输电线路两端量测点分别获取线路的电流信号与电压信号，仿真采样频率为100kHz。

3.根据权利要求1所述的基于人工神经网络的特高压直流输电线路的故障定位方法，其特征在于，所述步骤2中，取故障前后5ms时窗内的线路两端暂态电压、电流信号，对其进行解耦变换得到独立的暂态电压、电流线模分量。

4.根据权利要求1所述的基于人工神经网络的特高压直流输电线路的故障定位方法，其特征在于，所述步骤3中，分别对整流侧和逆变侧测距装置处得到的暂态电压、电流线模分量进行小波变换，得到整流侧第1，2，3，4尺度下的高频带内的暂态电压、电流线模分量首波头幅值Ua1、Ua2、Ua3、Ua4、Ia1、Ia2、Ia3、Ia4以及对应频带内的到达逆变侧的暂态电压、电流线模分量首波头幅值Ub1、Ub2、Ub3、Ub4、Ib1、Ib2、Ib3、Ib4，分别求取各个频带内的两端暂态电压、电流线模分量首波头幅值比

5.根据权利要求4所述的基于人工神经网络的特高压直流输电线路的故障定位方法，其特征在于，所述步骤3中第1尺度下高频部分d1对应的频带为：50kHz<f<100kHz，第2尺度下高频部分d2对应的频带为：25kHz<f<50kHz，第3尺度下高频部分d3对应的频带为：12.5kHz<f<25kHz，第4尺度下高频部分d4对应的频带为：6.25kHz<f<12.5kHz。

6.根据权利要求4所述的基于人工神经网络的特高压直流输电线路的故障定位方法，其特征在于，所述步骤4中，训练样本的输入矢量为W＝[W₁,W₂,W₃,W₄]以及V＝[V₁,V₂,V₃,V₄]。

7.根据权利要求6所述的基于人工神经网络的特高压直流输电线路的故障定位方法，其特征在于，所述步骤4中，采用训练好的神经网络算法对故障距离X与两端暂态电压、电流线模分量首波头幅值比W、V之间的非线性关系进行泛化分析，从而实现对故障位置进行测算，得到X₁、X₂。

8.根据权利要求1所述的基于人工神经网络的特高压直流输电线路的故障定位方法，其特征在于，所述步骤5中，用全局几何平均最优法对故障距离数据进行综合整定，得出最终故障距离X，全局几何平均最优法公式如下：

式中，x*为故障距离x的误差，x_i为计算得出的故障距离数据，N为故障距离数据的个数。