輸電線路故障原因綜合辨識研究.pdf

1、輸電線路覆蓋范圍廣且跨度大，運行的氣象環(huán)境與地理環(huán)境錯綜復雜，線路由于長期暴露在野外，極易受到雷電、污穢、冰雪等惡劣天氣影響或外力破壞而發(fā)生故障。輸電線路跳閘會損壞電力設備，嚴重時引發(fā)停電事故，危及生命財產安全。故障發(fā)生后，從巡線查找跳閘原因到恢復供電需要較長時間，尤其當故障痕跡不明顯時，故障起因往往難以確定。在跳閘后及時準確識別故障原因，對于快速消除故障、減少停電損失、提高電網運維水平具有重要意義。目前，國內外研究方法主要是通過分析故

2、障波形特征差異，或是統(tǒng)計分析歷史故障規(guī)律來實現故障起因辨識。由于故障原因復雜多樣，現有方法存在識別對象單一、辨識依據不充分、辨識準確度低等問題。
　　本文針對雷擊、污閃、山火、鳥閃、異物接線和吊車碰線六種原因引起的輸電線路單相故障進行研究。通過對故障機理與特征的深入分析發(fā)現，閃絡機理的差異性決定了各類故障的氣象條件與數值特性均有所不同。因此，可以從故障錄波數據和氣象信息中提取有效故障特征，將故障特征與故障原因之間的對應規(guī)律作為識別

3、依據。由于這種對應關系是高度復雜和非線性的，無法直接計算，可利用BP神經網絡良好的非線性映射能力來解決。將故障天氣、時間、季節(jié)、過渡電阻性質、零序電流諧波與直流含量以及重合閘情況組成的故障綜合特征向量作為BP網絡的輸入，將故障原因類型作為BP網絡的輸出，利用實際故障樣本對BP網絡進行訓練，建立故障特征與故障原因之間的非線性映射。訓練好的BP神經網絡算法即可用于故障原因辨識。
　　本文基于實際故障錄波數據的計算分析設定故障數值特征劃

4、分標準。為了比較故障原因辨識算法的效果，建立多個考慮故障綜合特征、只考慮故障氣象特征和只考慮故障數值特征的BP神經網絡算法模型，并利用大量實際故障樣本對各模型進行訓練與測試。針對不同對象的測試結果表明，故障綜合特征BP算法的故障原因辨識準確率均高于其它兩種方法，而且隨著故障原因種類的增加，該算法的識別效果更穩(wěn)定且有效。
　　綜上所述，本文基于輸電線路故障特征的綜合分析，提出一種結合故障氣象特征與故障數值特征的BP神經網絡故障原因辨