[发明专利]一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法

摘要

本发明涉及一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，属于高压直流输电系统继电保护技术领域。本发明利用故障高频量在线路上传播时的衰减特性，推导出故障距离与到达整流侧和逆变侧测距装置处的故障电压行波首波头幅值比之间的数学关系；选取不同频带内整流侧和逆变侧测距装置处检测到的故障电压行波首波头幅值比作为BP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；当故障测距神经网络模型形成以后，将测试样本输入到训练后的模型当中得到测距结果。本发明避免了传统的双端行波测距方法中波速度确定困难等问题。

主权项

一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法，其特征在于：所述方法的具体步骤如下：A、当特高压直流输电线路发生接地故障后，整流侧测距装置处和逆变侧测距装置处的数据采集装置采集故障电压行波首波头到达后5ms时窗内的故障电压数据；B、针对不同的过渡电阻和不同的故障距离分别对整流侧和逆变侧测距装置处提取的故障数据进行小波变换，得到整流侧第1、2、3、4尺度下的高频带内的故障电压行波首波头幅值U_a1、U_a2、U_a3、U_a4，以及对应频带内的到达逆变侧的故障电压行波首波头幅值U_b1、U_b2、U_b3、U_b4；C、计算同一频带内整流侧首波头幅值与逆变侧首波头幅值之比，，，；D、使用mapminmax函数对步骤C得到的样本数据p=[p₁,p₂,p₃,p₄]进行归一化处理，并将归一化后的数据作为神经网络的样本输入矢量；E、将步骤D中得到的神经网络样本输入矢量作为训练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，将测试样本输入到训练后的模型当中得到测距结果。