基于自组织特征映射网络的配电网故障类型识别.pdfVIP

《自动化技术与应用》2012年第31卷第9期 模 式 识 别 与仿 真 PatternRecognitionandSimulation 基于 自组织特征映射 网络的配 电网故障类型识别 赵 智．任桂山．陈津刚，陈学梅 (大港油田公司采油工艺研究院，天津 大港 300280) 摘 要 ：针对电力系统配电线路故障类型识别的问题，为提高故障类型识别准确性，提出应用小波变换技术对故障信号进行预处理 ，提 取工频信息构成神经网络的训练样本集，通过构建 自组织特征映射网络对不同故障类型的特征向量进行 自动聚类来实现对敞 障类型的识别。大量的仿真测试表明，此网络模型收敛速度快，通过 自学习能够有效覆盖故障模式空间，实现对不同故障类型 的准确识别，网络对故障类型的识别不受故障过渡电阻、系统运行方式以及故障点位置等因素的影响。 关键词：配电网；故障类型识别；小波分析；神经网络 L}l图分类r-j：TM743：TP391．4 文献标识码：A 文章编号 2012)09…006405 FaultmypeIdentificationinDistributionNetworkBasedonSelf_ OrganizingFeatureMapNetwork ZHAOZhi，RENGui-shan，CHENJin-gang，CHEN Xue-mei (OilProductionTechnologyInstituteDagangOilfieldCompany,Dagnag300280China) Abstract：Totheproblem ofidentificationofdistributionlineinpowersystem ，Inordertoimprovetheaccuracyoffaultidentification． wavelettransformationtechniqueisusedtopretreatthefaultsignal，eliminateplentyofharmonicsandmostaperiodic component，extractfundamentalinformationexactly，itisusedastrain—setofneuralnetwork．Realizingdistribution networkfaulttypeidentificationbyconstructingSelf-OrganizingFeatureM apneuralnetworkandprocessingautomatic clusteringtodifferentcharactervectorsrelatedtofaulttype．ThesimulationanalysisresultindicatesthattheSOM model hasfastconvergenceperformance，itcaneffectivelyidentifydifferentfaulttype．Itisabletoidentifythefaulttype accuratelyinvariousfaultmodelsintheinfluenceoftherandom factorssuchasfaultresistance，system runningmode andfaultplace． Keywords：distributionnetwork；faulttypeidentification；waveletanalysis；artificialneuralnetwork 1 引言 导致整个故障模式空间一般是线性不可分的，所 以传统 在 电力系统发生短路故障后，可靠、准确的故障类 的解析方法就存在一定的缺陷。现代数学和智能技术 型识别对于进行故障定位和测距 以及事故分析具有重 的发展为电力系统故障类型识别提供 了新的途径 2【J。 要意义的。故障类型识别是指根据故障发生后可获