基于神經(jīng)網(wǎng)絡(luò)的輸電線路故障定位方法研究.pdf

1、高壓輸電線路的精確定位可以極大的縮短巡線時(shí)間，加快恢復(fù)供電，對(duì)電力系統(tǒng)安全和經(jīng)濟(jì)運(yùn)行具有非常重要的意義。 本文采用基于人工神經(jīng)網(wǎng)絡(luò)的故障定位方法，做了如下工作： 針對(duì)較長(zhǎng)和超長(zhǎng)輸電線路，研究了基于分布參數(shù)模型的各種故障算法，并對(duì)輸電線路故障進(jìn)行分析，對(duì)故障分量進(jìn)行解析，為進(jìn)行Matlab線路仿真提供依據(jù)。 針對(duì)高壓輸電線路的故障定位，本文采用對(duì)于模式識(shí)別問(wèn)題具有較強(qiáng)優(yōu)勢(shì)的徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)輸電線路

2、的故障定位，建造了有效的RBFNN網(wǎng)絡(luò)模型結(jié)構(gòu)。在RBF網(wǎng)絡(luò)基函數(shù)重心的確定上，本文采用了基于K-NN聚類原則的LBG算法和本文提出的預(yù)先確定距離值的改進(jìn)LBG聚類算法，并對(duì)兩種算法進(jìn)行性能比較。由于本文所提算法在尋找聚類重心的過(guò)程中不需要迭代，大大提高了聚類處理的速度。為了驗(yàn)證RBFNN在故障定位領(lǐng)域的有效性，本文還構(gòu)造了一個(gè)具有相同輸入、輸出模式關(guān)系的BP神經(jīng)網(wǎng)絡(luò)，并與本文所建立的RBFNN進(jìn)行性能比較。仿真測(cè)試結(jié)果表明，在訓(xùn)練速度

3、上，RBF網(wǎng)絡(luò)相對(duì)于BP網(wǎng)絡(luò)有很大的提高，更適合實(shí)時(shí)在線定位的要求。 為解決單一神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練難以收斂的問(wèn)題，而且測(cè)距已經(jīng)達(dá)到無(wú)法實(shí)際應(yīng)用的程度，網(wǎng)絡(luò)也是病態(tài)的。采用分層分布的神經(jīng)網(wǎng)絡(luò)，第一層完成故障相別判定任務(wù)，第二層實(shí)現(xiàn)故障類型的準(zhǔn)確定位。同時(shí)本文采取了輸入數(shù)據(jù)的歸一化處理，實(shí)例表明經(jīng)粗糙集理論歸一化處理后的訓(xùn)練時(shí)間明顯比傳統(tǒng)歸一化方法的訓(xùn)練時(shí)間短。 利用Matlab工具箱中的神經(jīng)網(wǎng)絡(luò)工具箱和PSB工具箱對(duì)本文構(gòu)造