基于多判据融合的小电流接地故障选线研究

《基于多判据融合的小电流接地故障选线研究》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、硕士论文摹于多判据融合的小电流接地故障选线研究摘要在配电网中，广泛采用小电流接地形式。现行的各种小电流接地故障选线方法利用不同的故障特征量进行处理，由于小电流接地系统的复杂性及单相接地故障的特殊性，每种选线方法往往都有一定的局限性和不足，因此本文提出利用信息融合技术对多种选线方法进行综合和智能处理。论文系统分析了小电流接地系统单相接地的故障特征。采用基于FFT(FastFourierTransform)从零序电流中提取的基波分量和五次谐波分量作为故障选线的特征分量，以及基于小波包从零序电流中提取的暂态能量分量和暂态方向分量。在分析多种选线方法的基础上，采用模糊理论把多种故障选线的优点结合起

2、来以提高选线的正确性。由于故障特征的模糊性，首先构造多种故障特征分量的隶属度函数，然后根据不同的适用情况确定权重系数，进行模糊综合评判得到融合结果。为了使选线结果更加可靠，采用最dx--乘优化权重系数矩阵。利用神经网络优越的模式识别能力，结合模糊系统，构成两种模糊一神经网络系统进行多判据融合选线。设计模糊一神经网络系统的结构，给出了训练算法，利用故障样本对模糊一神经网络系统进行了训练和测试。最后，在Matlab7．1环境下搭建了10kV配电网模型，分别仿真了不同故障位置、故障初始角、故障接地类型和故障线路的故障以验证理论的正确性。关键词：稳态基波分量，五次谐波分量，暂态能量分量，暂态方向分

3、量，小波包理论，模糊理论，模糊一神经网络系统Abstract硕士论文Inthedistributionnetwork,smallcurrentgroundingsystemiswidelyused．Theexistingdifferentgroundingfaultlineselectionmethodsinineffectivelygroundingnetworkscollectdifferentfaultinformationtodealwith．Sincethecomplicationoftheineffectivelygroundingnetworksandthecharacter

4、isticsofsingle—phasegroundingfault，eachofthemethodshassomelimitationsandshortcomings．Thereforeinthepapercomprehensivelyvariousmethodsmethodofearthfaultdetectioninsmallcurrentgroundingsystembasedoninformationfusionandintelligentprocessisproposed．Singlephasetogroundfaultfeatureofsmallcurrentgroundin

5、gsystemissystematicallyanalyzed．Steady—statefundamentalcomponent，steady—statefifthharmoniccomponent，transientenergycomponentandtransientdirectioncomponentextractedfromZerO。sequencecurrentseparatelybymeansofFFTandwaveletpackettransforms．Basedontheanalysisofavarietyoflineselectionmethodstheadvantage

6、sofavarietyoffaultlineselectionmethodsiscombinedbyfuzzytheorytoimprovetheaccuracyoffaultselectionline．Duetofuzzycharacteristicsoffault，firstofall，thevariouscomponentsofthemembershipfunctionisconstructed，andthendifferentweightscoefficientisdeterminedaccordingtotheapplicationofeachmethodtocarryoutfu

7、zzycomprehensiveevaluationforfusionresult．Inordertomakeresultsmorereliable1eastsquaresoptimizationiSusedfortheweightcoefficientmatrix．AtlasttwotypesofNeralNetwork—FuzzySystemscombiningfuzzysystemsandneuralnetwork