基于小波包分析与神经网络输电线路故障诊断的研究

《基于小波包分析与神经网络输电线路故障诊断的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、兰州交通大学硕士学位论文摘要随着电力系统的快速发展，输电线路的电压等级升高，输电线路的距离增长，电网的规模变大，同时也对电力系统的安全稳定运行产生了重要影响。为保障高压输电线路的正常运行，选相元件必须快速有效地工作。当故障发生时，继电保护能够正确动作的前提是能够准确而迅速地识别并选择出故障相。鉴于此，本文提出了基于小波包理论的输电线路故障类型识别方法，旨在研究小波分析及小波包理论在输电线路故障诊断和继电保护方面的可行性，同时为故障类型识别提供新的思路。论文系统地阐述了小波分析及小波包的相关理论，包括输电线路故障识别的研究现状和小波包的发展应用

2、现状等。在充分考虑到输电线路实际情况的前提下，搭建起一个330kV输电线路的PSCAD／EMTDC仿真模型，用它来产生不同工况下的各种输电线路短路故障信号具有重要的实际意义。因小波包可以提取到更精细和更丰富的故障信息，在故障信号处理方面，小波包比传统小波分析具有更好的时频特性，所以论文引入小波包理论。采用基于小波包能量的特征量与神经网络相结合的方法来识别输电线路故障类型。首先，利用小波包对故障电流信号进行分解，并且计算出各频带的能量；其次，以构造出的基于小波包的能量特征量作为训练样本对BP网络进行训练；最后，用测试样本对BP网络进行测试，实现

3、故障类型识别的功能，并验证所提出方法的有效性。RBF神经网络具有学习速度快，能够以任意精度逼近任意连续函数，特别适合解决故障分类问题，所以本文提出了在相同仿真条件下采用RBF网络来实现故障识别。通过实际仿真实验发现，由于BP网络和RBF网络自身的局限性，制约了故障类型识别的精度，鉴于此，本文把基于量子粒子群优化的BP网络引入输电线路故障识别中。仿真实验及对比结果表明，基于量子粒子群优化的BP网络在输电线路故障类型识别中具有优越性。关键词：输电线路；故障类型识别；小波包；人工神经网络；量子粒子群优化论文类型：应用基础研究基于小波包分析与神经网络

4、的输电线路故障诊断研究Abstract．Withtherapiddevelopmentofelectricpowersystem，transmissionlinevoltagegradeisincreasing，transmissionlinedistanceisgrowingandthescaleofthepowernetworkisenlarging．Thesefactorsplayanimportantroleinthesafetyandstabilityofthepowersystem．Aquickandeffectivephases

5、electorcanensurethehigh-voltagetransmissionlinestoachieveautomaticreclosingfeature．WhenfaultOccurs，itisthepremisethattherelayaccuratelyandquicklyidentifyandselectthefaultphaseforitCanoperatecorrectly．Inviewofthis，itproposesamethodbasedonwaveletpackettheorytoidentifythetypeo

6、ftransmissionlinefaultandstudythefeasibilityoftransmissionlinefaultdiagnosisandprotection，usingthewaveletanalysisandwaveletpackettheoryinthisdissertation．Thewaveletanalysisandwaveletpacketrelatedtheoryaresystematicallyelaboratedinthisthesis，includingthestatusofidentificatio

7、nofthetransmissionlinefaultandthedevelopmentandapplicationofwaveletpacket．Fullytakingtheactualsituationofthetransmissionlineintoaccount，ithasanimportantpracticalsignificancetousethe330kVtransmissionlinesimulationmodelbuiltinPSCAD／ENnDCplatformtogeneratedifferentconditionsof

8、varioustransmissionlineshort—circuitfaultsignal．Thewaveletpackethasabettertime—fre