科技信息
科技信息
과기신식
SCIENTIFIC & TECHNICAL INFORMATION
2010年
32期
361-362
,共2页
电力系统%输电线路%小波变换%故障类型识别%小波神经网络
電力繫統%輸電線路%小波變換%故障類型識彆%小波神經網絡
전력계통%수전선로%소파변환%고장류형식별%소파신경망락
电力系统故障类型识别是对电力系统故障进行快速准确处理的重要保证.本文所提出的故障类型识别技术是基于150km双端电气量输电线路准确故障的数字仿真,根据故障前后所测的三相电流和零序电流数据,利用db1小波对数据分解,将低频部分归一化处理后,用过渡电阻Rs=5Ω,100km处的样本来训练网络,再利用BP神经网络来判断50km和150km处接地过渡电阻R8=10Ω,相间过渡电阻Rj=0.2Ω时的10种短路故障类型,均没有发生误判.从网络的训练和检测结果可以看出,小波神经网络训练时收剑速度较快,并且检测故障速度和准确度都很高.这说明,小波神经网络能够满足现代电力系统的要求,为以后的故障定位和诊断工作打下了良好的基础.
電力繫統故障類型識彆是對電力繫統故障進行快速準確處理的重要保證.本文所提齣的故障類型識彆技術是基于150km雙耑電氣量輸電線路準確故障的數字倣真,根據故障前後所測的三相電流和零序電流數據,利用db1小波對數據分解,將低頻部分歸一化處理後,用過渡電阻Rs=5Ω,100km處的樣本來訓練網絡,再利用BP神經網絡來判斷50km和150km處接地過渡電阻R8=10Ω,相間過渡電阻Rj=0.2Ω時的10種短路故障類型,均沒有髮生誤判.從網絡的訓練和檢測結果可以看齣,小波神經網絡訓練時收劍速度較快,併且檢測故障速度和準確度都很高.這說明,小波神經網絡能夠滿足現代電力繫統的要求,為以後的故障定位和診斷工作打下瞭良好的基礎.
전력계통고장류형식별시대전력계통고장진행쾌속준학처리적중요보증.본문소제출적고장류형식별기술시기우150km쌍단전기량수전선로준학고장적수자방진,근거고장전후소측적삼상전류화령서전류수거,이용db1소파대수거분해,장저빈부분귀일화처리후,용과도전조Rs=5Ω,100km처적양본래훈련망락,재이용BP신경망락래판단50km화150km처접지과도전조R8=10Ω,상간과도전조Rj=0.2Ω시적10충단로고장류형,균몰유발생오판.종망락적훈련화검측결과가이간출,소파신경망락훈련시수검속도교쾌,병차검측고장속도화준학도도흔고.저설명,소파신경망락능구만족현대전력계통적요구,위이후적고장정위화진단공작타하료량호적기출.
