[发明专利]一种快速准确诊断柔性直流输电系统换流器故障的方法

摘要

本发明涉及一种快速准确诊断柔性直流输电系统换流器故障的方法。该方法通过在柔性直流输电系统中对电压源换流器的不同故障进行仿真，提取不同故障下的直流母线电压波形，作为故障特征信号；并运用傅里叶变换将故障特征信号转变到频域，再而利用S变换的局部时频分析能力和支持向量机的非线性系统故障分类能力，构造故障特征矩阵并利用遗传优化算法优化分类算法，实现对电压源换流器故障类型的准确分类。本发明方法与以往的故障诊断方法相比较，能够更好地节约计算时间，保证更好的故障诊断率。

主权项

1.一种快速准确诊断柔性直流输电系统换流器故障的方法，其特征在于：包括如下步骤，S1：选取直流母线电压作为电压源换流器不同故障类型下的故障特征信号；S2：在柔性直流输电系统中对电压源换流器的不同故障进行仿真，提取不同故障下的直流母线电压波形，作为故障特征信号；并运用傅里叶变换将故障特征信号转变到频域；S3：利用S变换对故障特征信号等间隔进行分频，得到故障特征信号各频率分量所包含的特征信息，选择对各频率下不同故障类型区分能力强的S变换时频矩阵，进而构造改进S变换，利用模值平方和以及归一化模值平方和提取故障特征向量；所述改进S变换，即：将S变换时频矩阵中的模值取平方值，加强不同故障特征的区别；另外，为了更好的对不同故障类型进行对比和分析，将S变换时频矩阵中的模值取平方值进行归一化处理；S4：采用遗传算法优化过的基于REF核函数的二叉树多分类支持向量机对故障特征向量进行分类：使用遗传算法对基于REF核函数的二叉树多分类支持向量机中的惩罚因子参数C和核参g进行寻优，根据各频率下利用模值平方和以及归一化模值平方和提取的故障特征向量，选取各级分类器的故障特征向量；所述步骤S4中，使用遗传算法对基于REF核函数的二叉树多分类支持向量机中的惩罚因子参数C和核参g进行寻优的具体步骤如下，(1)编码：将C和g的取值范围C∈(0,100]、g∈[0,1000]分别用二进制编码为染色体并构成一个个体；(2)生成初始群体：随机生成20个初始个体组成的初始群体作为遗传算法的初始迭代点；(3)适应度评估：将20个个体所对应的参数值C和g赋给支持向量机，用3折交叉验证求出每个个体对应的支持向量机的平均分类精度作为个体适应度；(4)终止条件判断：设定最大迭代次数为200，适应度为0.9即分类精确度为90％；若遗传算法优化满足终止条件则终止并输出参数C和g及其对应的分类精确度；若不满足则进入步骤(5)；(5)遗传进化：将三种遗传算子即选择算子、交叉算子和变异算子作用于种群，以产生下一代种群，进化完成后，重复步骤(3)、步骤(4)、步骤(5)。