基于小波變換與神經網絡的輸電線路故障分析與繼電保護.pdf

1、隨著我國現(xiàn)代化的高速發(fā)展，電力工業(yè)也步入以特高壓、高智能化為特點的新階段，供電系統(tǒng)的可靠性顯得越來越重要。電力系統(tǒng)主要包括變壓器、輸電線路、發(fā)電機和負載，而電力電網由前兩者構成。電力系統(tǒng)的穩(wěn)定安全運行大部分取決于輸電線路的運行狀態(tài)，因此需要對輸電線路的安全運行進行加強保護，尤其是對線路中出現(xiàn)的單相接地故障，應給予及時地切除以免損壞電路的正常運行，這一直是電網系統(tǒng)安全穩(wěn)定運行的重中之重。
　　首先，本文分析了小電流接地系統(tǒng)發(fā)生接地故

2、障時電氣量的暫態(tài)特征，在MATLAB仿真軟件平臺上搭建小電流接地的系統(tǒng)模型，以仿真不同故障類型中的零序電流、電壓作為主要的研究對象，通過仿真的波形與國內外專家研究的故障理論分析比較，本文搭建的電力系統(tǒng)模型能夠較為準確地模擬各類故障狀態(tài)。
　　根據故障時暫態(tài)零序電流的時頻特征，本文利用能夠同時在低頻段和高頻段分析故障信號的小波包變換。在故障信號處理方面，小波包比傳統(tǒng)小波變換的時頻性能更好。選擇db4小波基函數(shù)，對系統(tǒng)模型仿真得到的故

3、障零序電流進行三層的小波包分解，分別分析和提取各個連續(xù)頻段的能量值，將基于小波包的特征能量與智能算法相結合來判別輸電線路的故障線路。通過MATLAB中的小波工具箱仿真證實，該算法能夠較為準確且有效地提取出故障能量值，同時得知不同故障間的能量值之間存在一定的差異。
　　最后，利用上述提取的故障特征能量值作為BP神經網路的輸入，對其進行訓練。針對BP神經網絡存在易陷入局部極小點和迭代訓練過程較慢等不足，本文利用Elman神經網絡結構對