基于极限学机的多信息融合区段定位方法

摘要

一种基于极限学机的多信息融合区段定位方法，故障发生后，终端对实时测得的零序暂态电流运用暂态能量法、小波法、首半波法提取特征向量上传给主站，输入到经训练后得到权重参数的极限学机网络中，主站启动多信息融合定位算法并输出区段定位结果。由于安装在线路多个位置的终端能够实时检测到暂态零序电流信号，使基于暂态信息的区段定位方法能够应用于实际工程中。该方法受接地位置、接地时刻、接地过渡电阻等因素的影响较小，利用极限学机智能融合，对故障后零序电流暂态信息进行综合分析，融合各种算法以达到互补的效果。既消除单一定位方法的固有缺陷，又可以充分利用暂态零序电流特征，准确确定故障区段，终端间距越小，定位越准确。

主权项

一种基于极限学习机的多信息融合区段定位方法，其特征在于，所述方法包括以下步骤：(1)安装在线路多个位置的终端实时检测安装位置处的暂态零序电流；(2)当任一终端检测的零序电压幅值超过预设的启动值后，所有终端立刻准确捕捉零序电压超过启动值前1个周期和超过启动值后2个周期的暂态零序电流信号；(3)各终端运用暂态能量法、小波法、首半波法对3个周期的暂态零序电流信号进行分析计算，分别提取出各算法的零序电流特征数据，并将其上传给主站；(4)主站接收到各终端传来的各算法的暂态零序电流信号后，根据提取的零序电流特征数据确定极限学习机网络结构和参数；(5)训练极限学习机(ELM)网络，选各条线路发生金属性接地、经高阻接地、在B相电压相角为0°、30°、45°、60°、90°时分别发生过渡电阻为200Ω、400Ω、2000Ω、4000Ω的间歇性弧光接地后通过步骤(3)得到的各算法的零序电流特征数据作为极限学习机(ELM)的训练样本的输入向量x_i，i＝1,2,…N，N为输入样本数，训练样本的输出向量为y_j，j＝1,2，…m，m表示区段数，y_j为0或1，0表示非故障区段，1表示故障区段；训练完成后，保存输出权重β_i；(6)将现场实际故障特征数据作为实际输入样本用训练后的极限学习机(ELM)网络进行定位，网络的输出结果即为现场实际故障的区段定位结果。