基于LS-SVM和IMF能量矩的配電網(wǎng)故障區(qū)段定位方法.pdf

1、目前我國正處于建設(shè)智能電網(wǎng)的關(guān)鍵階段，而配電網(wǎng)保護(hù)智能化正是其重要的研究方向。由于配電網(wǎng)接地故障時故障電流小，電流信號容易受到外界環(huán)境的干擾，因此故障特征量變得難以檢測，而且接地故障時往往伴隨著非故障相電壓的升高，使得饋線絕緣薄弱處易于擊穿，故障更有可能發(fā)展為多相、多點(diǎn)短路，擴(kuò)大事故范圍。因此有必要找到一種能在各種復(fù)雜信號中識別出故障特征量，并快速定位故障區(qū)段的方法。
　　論文首先討論了現(xiàn)有的小電流故障定位的理論，從主動式和被動式

2、兩方面介紹了目前不同定位方法的優(yōu)點(diǎn)和缺點(diǎn)，并在被動式保護(hù)方法中著重論述了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）和支持向量機(jī)在電力系統(tǒng)上的應(yīng)用；提出采用集合經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）算法對信號進(jìn)行處理，它除了繼承小波分解等算法的優(yōu)點(diǎn)外，還解決了EMD信號分解時容易產(chǎn)生的模態(tài)混疊現(xiàn)象，并通過三組對比算例，就不同算法在信號提取方面的性能進(jìn)行了對比；簡要介紹了最小二乘支持向量機(jī)（LS-SVM）在特征信號分類方面的特點(diǎn)，并與 BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)就分類的快速性

3、和準(zhǔn)確性上進(jìn)行了比較；提出了基于本征模態(tài)函數(shù)（IMF）能量矩和LS-SVM的故障區(qū)段定位方法，利用EEMD分解電流信號得到IMF，進(jìn)而將IMF與時間積分獲得能量矩，最后將能量矩作為特征向量輸入到LS-SVM，訓(xùn)練得到故障區(qū)段定位模型并用于未知故障的定位；然后基于數(shù)字化采樣技術(shù)，將新的故障區(qū)段定位方法應(yīng)用到智能電網(wǎng)中，定位采用低功率互感器測量電流，并結(jié)合 IEEE1588時鐘同步原理與電力云，使得故障區(qū)段定位精度有了進(jìn)一步提高；最后采用