一种基于极线电压机器学判别机制的线路故障识别方法

摘要

本发明涉及一种基于极线电压机器学判别机制的线路故障识别方法，假设线路发生单极接地故障，沿线路MN设置区内故障点，在采样率10kHz下，进行电磁暂态仿真，分别获得线路全线长范围内故障下和线路外部故障下极线电压曲线簇，选取其1ms内的数据进行PCA聚类分析，取两个主成分PC₁和PC₂构成的2维PCA空间。在此PCA空间上形成反映线路故障和外部故障的两类聚类点簇，计算测试样本数据在PCA聚类空间PC₁、PC₂坐标轴上的投影o_t(q₁，q₂)，此投影o_t作为SVM的输入属性，并采用径向基函数作为核函数，确立预测模型。将测试数据经PCA聚类分析得到的投影o′_t，并输入预测模型PCA-SVM进行分类判别，判断其是否为直流线路故障。

主权项

一种基于极线电压机器学习判别机制的线路故障识别方法，其特征在于：假设线路发生单极接地故障，沿线路MN由远及近每隔5km设置区内故障点，区外故障位置为整流侧出口故障、整流侧交流系统故障、逆变侧出口故障和逆变侧交流系统故障，在采样率10kHz下，进行电磁暂态仿真，分别获得线路全线长范围内故障下和线路外部故障下极线电压曲线簇，选取其1ms内的数据进行PCA聚类分析，取两个主成分PC₁和PC₂构成的2维PCA空间，在此PCA空间上形成反映线路故障和外部故障的两类聚类点簇，计算测试样本数据在PCA聚类空间PC₁、PC₂坐标轴上的投影o_t(q₁，q₂)，此投影o_t作为SVM的输入属性，并采用径向基函数作为核函数，确立预测模型，将测试数据经PCA聚类分析得到的投影o′_t，并输入预测模型PCA‑SVM进行分类判别，判断其是否为直流线路故障。