主权项 |
一种特高压直流输电线路故障智能分类与测距方法,其特征在于按以下步骤进行:(1)直流线路发生故障后,启动元件立即启动,根据保护安装处测得的两极直流电压,利用Karenbauer相模变换矩阵求出线模电压U1(k)为: <mrow> <msub> <mi>U</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mo>+</mo> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>U</mi> <mo>-</mo> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mo>/</mo> <msqrt> <mn>2</mn> </msqrt> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>式中,U+(k)为正极直流电压,U‑(k)为负极直流电压,k=1、2、3...N,N为采样序列长度;(2)对线模电压信号进行S变换,其采样频率为10kHz,采样序列长度为100,经S变换得到51×100的复矩阵: <mrow> <mi>X</mi> <mo>[</mo> <mi>n</mi> <mo>]</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mi>Σ</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>x</mi> <mo>[</mo> <mi>k</mi> <mo>]</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>j</mi> <mn>2</mn> <mi>πkn</mi> <mo>/</mo> <mi>N</mi> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mi>S</mi> <mo>[</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>]</mo> <mo>=</mo> <munderover> <mi>Σ</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>X</mi> <mo>[</mo> <mi>n</mi> <mo>+</mo> <mi>k</mi> <mo>]</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mn>2</mn> <msup> <mi>π</mi> <mn>2</mn> </msup> <msup> <mi>k</mi> <mn>2</mn> </msup> <mo>/</mo> <msup> <mi>n</mi> <mn>2</mn> </msup> </mrow> </msup> <msup> <mi>e</mi> <mrow> <mi>j</mi> <mn>2</mn> <mi>πkm</mi> <mo>/</mo> <mi>N</mi> </mrow> </msup> <mo>,</mo> <mi>n</mi> <mo>≠</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mi>S</mi> <mo>[</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>]</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mi>N</mi> </mfrac> <munderover> <mi>Σ</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>x</mi> <mo>[</mo> <mi>k</mi> <mo>]</mo> <mo>,</mo> <mi>n</mi> <mo>=</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>式中:x[k]为采集到的N个离散的线模电压信号点,k=0、1、2...N‑1,N为采样序列长度,X[n]为x[k]的傅里叶变换,S[m,n]为复时频矩阵,其列向量表示信号在某一时刻的幅频特性,其行向量表示信号在某一频率的时域分布;(3)对得到的m行n列的复时频矩阵中的各个元素求模,得到模矩阵,根据下式计算线模电压信号在所选时窗内各频率的能量: <mrow> <mi>E</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>Σ</mi> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>100</mn> </munderover> <mo>|</mo> <mi>S</mi> <mo>[</mo> <mi>m</mi> <mo>,</mo> <mi>n</mi> <mo>]</mo> <mo>|</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>式中:|S[m,n]|为将S矩阵中的各个元素求模后得到的模矩阵,E(n)为某一特定频率在所选时窗内的能量,n=1、2、3...N+1,N为时间窗长度;(4)选取第(3)步求出的E(n)的前5项E(1)、E(2)、E(3)、E(4)和E(5),使用mapminmax函数对其做归一化处理,将归一化得到的数据作为神经网络的输入向量;其神经的输入样本:1)沿线路全程选取故障点,故障距离变化步长为10km;2)故障电阻:0≤Rf≤100Ω即故障电阻步长为:ΔRf=10Ω;(5)故障分类:将第(4)步中的得到的神经网络的样本送入到故障分类的神经网络中进行训练,并得到故障分类结果;(6)故障测距。故障分类后,将第(4)步中的得到的神经网络的样本送入到故障测距的神经网络中进行训练,并得到故障测距结果。 |