• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 17
    • 下载费用:30 金币  

    重庆时时彩易位投注法: 一种基于神经网络的线缆混合线路双端测距方法和系统.pdf

    关 键 词:
    一种 基于 神经网络 线缆 混合 线路 测距 方法 系统
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201710077726.9

    申请日:

    2017.02.13

    公开号:

    CN106771886A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G01R 31/08申请日:20170213|||公开
    IPC分类号: G01R31/08; G06N3/04 主分类号: G01R31/08
    申请人: 深圳供电局有限公司; 山东理工大学
    发明人: 李勋; 黄荣辉; 张宏钊; 刘顺桂; 陈平; 安韵竹; 邵健; 刘辉
    地址: 518000 广东省深圳市罗湖区深南东路4020号电力调度通信大楼
    优先权:
    专利代理机构: 深圳汇智容达专利商标事务所(普通合伙) 44238 代理人: 潘中毅;熊贤卿
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201710077726.9

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明提供一种基于神经网络的线缆混合线路双端测距方法,包括采集训练数据;在训练数据中将提取满足第一预定条件的训练数据进入预设的双端测距模式中计算,获得实际故障点与第一母线之间形成的第一测距结果,并在训练数据中将提取满足第二预定条件的训练数据进入预设的神经网络仿真测距模式中计算,获得实际故障点与第一母线之间形成的第二测距结果;判断第一测距结果与第二测距结果二者之差的绝对值是否小于预设阈值;是,则将第一测距结果作为线缆混合输电线路故障测距最终结果输出;否,则将第二测距结果作为线缆混合输电线路故障测距最终结果输出。实施本发明,适用于复杂的多段电缆架空线交替出现的输电线路上,能够简单、可靠的给出测距结果。

    权利要求书

    1.一种基于神经网络的线缆混合线路双端测距方法,其在三段式线缆混合线路上实
    现,所述线缆混合线路由第一架空线、第二架空线以及设置于所述第一架空线与所述第二
    架空线之间的电缆线形成,且所述第一架空线还与第一母线相连,所述第二架空线还与第
    二母线相连,其特征在于,所述方法包括:
    S1、采集训练数据,所述训练数据包括多个仿真采样点前三次故障行波到达第一母线
    时间及第二母线时间、第一架空线的长度及其上故障行波的传播速度和传播时间、第二架
    空线的长度及其上故障行波的传播速度和传播时间、电缆线的长度及其上故障行波的传播
    速度和传播时间以及实际故障点所发故障行波到达第一母线及第二母线的时间;
    S2、在所述训练数据中将提取满足第一预定条件的训练数据进入预设的双端测距模式
    中计算,获得所述实际故障点与所述第一母线之间形成的第一测距结果,并在所述训练数
    据中将提取满足第二预定条件的训练数据进入预设的神经网络仿真测距模式中计算,获得
    所述实际故障点与所述第一母线之间形成的第二测距结果;
    S3、判断所述第一测距结果与所述第二测距结果二者之差的绝对值是否小于预设阈
    值;
    S4、如果是,则将所述第一测距结果作为线缆混合输电线路故障测距最终结果输出;
    S5、如果否,则将所述第二测距结果作为线缆混合输电线路故障测距最终结果输出。
    2.如权利要求1所述的方法,其特征在于,在所述步骤S1中,所述故障行波在第一架空
    线上的传播速度与所述故障行波在第二架空线上的传播速度相等。
    3.如权利要求1所述的方法,其特征在于,在所述步骤S2中,所述在所述训练数据中将
    提取满足第一预定条件的训练数据进入预设的双端测距模式中计算,获得所述实际故障点
    与所述第一母线之间形成的第一测距结果的步骤具体包括:
    S211、提取所述故障行波在第一架空线上的传播时间、故障行波在第二架空线上的传
    播时间及故障行波在电缆线上的传播时间;
    S212、在所述线缆混合线路上设置连续的多个故障分析区域,并取各故障分析区域的
    两端均作为理论故障点,且进一步根据所述提取的故障行波分别对应在第一架空线、第二
    架空线和电缆线上的传播时间,分别计算出各故障分析区域中故障行波由同一理论故障点
    出发第一次到达第一母线时间及第二母线时间二者之间形成的理论时间差值;
    S213、提取所述实际故障点所发故障行波第一次到达第一母线时间及第二母线时间,
    计算出实际故障点所发故障行波第一次到达第一母线时间及第二母线时间二者之间形成
    的实际时间差值,且根据所述计算出的实际时间差值以及理论时间差值,确定实际故障点
    所处的故障分析区域,进一步计算出故障点与第一母线之间间隔距离并作为第一测距结果
    输出。
    4.如权利要求3所述的方法,其特征在于,所述步骤S212具体包括:
    在所述线缆混合线路上,将所述第一架空线、第二架空线及电缆线均对应均分成具有
    两个相同长度的故障分析区域,且所得的六个故障分析区域连续连接;
    提取所述六个故障分析区域的两端,且相邻连接的故障分析区域之间的重复端提取一
    次即可,得到七个理论故障点;
    根据所述计算出的故障行波分别对应在第一架空线、第二架空线和电缆线上的传播时
    间,计算出所述七个理论故障点分别发送故障行波各自对应第一次到达第一母线时间及第
    二母线时间二者之间形成的理论时间差值。
    5.如权利要求4所述的方法,其特征在于,所述七个理论故障点分别发送故障行波各自
    对应第一次到达第一母线时间及第二母线时间二者之间形成的理论时间差值具体计算步
    骤包括:
    当前理论故障点为所述第一母线与所述第一架空线的连接端时,则当前理论时间差值
    是将所述故障行波在第一架空线上的传播时间、所述故障行波在第二架空线的传播时间和
    所述故障行波在电缆线上的传播时间三者相加之和取负而得到;
    当前理论故障点为所述第一架空线的中点时,则当前理论时间差值是将所述故障行波
    在第二架空线的传播时间和所述故障行波在电缆线上的传播时间二者相加之和取负而得
    到;
    当前理论故障点为所述第一架空线与所述电缆线的连接端时,则当前理论时间差值是
    将所述故障行波在第一架空线上的传播时间分别减去所述故障行波在第二架空线的传播
    时间和所述故障行波在电缆线上的传播时间而得到;
    当前理论故障点为所述电缆线的中点时,则当前理论时间差值是将所述故障行波在第
    一架空线上的传播时间减去所述故障行波在第二架空线上的传播时间而得到;
    当前理论故障点为所述电缆线与所述第二架空线的连接端时,则当前理论时间差值是
    将所述故障行波在第一架空线上的传播时间与所述故障行波在电缆线上的传播时间相加
    之后,所得的和减去所述故障行波在第二架空线的传播时间而得到;
    当前理论故障点为所述第二架空线的中点时,则当前理论时间差值是将所述故障行波
    在第一架空线上的传播时间与所述故障行波在电缆线的传播时间二者相加而得到;
    当前理论故障点为所述第二架空线与所述第二母线的连接端时,则当前理论时间差值
    是将所述故障行波在第一架空线上的传播时间、所述故障行波在第二架空线的传播时间和
    所述故障行波在电缆线上的传播时间三者相加而得到。
    6.如权利要求3所述的方法,其特征在于,所述步骤S213具体包括:
    提取所述实际故障点所发故障行波第一次到达第一母线时间及第二母线时间,计算出
    实际故障点所发故障行波第一次到达第一母线时间及第二母线时间二者之间形成的实际
    时间差值;
    获取与所述计算出的实际时间差值间隔最近的两个理论时间差值,并根据所述获取到
    的两个理论时间差值,确定实际故障点所处的故障分析区域及其对应的线路;
    根据所述实际故障点对应的线路在所述采集到的训练数据中筛选出满足计算条件的
    数据,且根据所筛选出的数据,计算出所述实际故障点与所述第一母线之间的间隔距离,并
    将所述计算出的间隔距离作为第一测距结果输出。
    7.如权利要求1所述的方法,其特征在于,在所述步骤S2中,所述在所述训练数据中将
    提取满足第二预定条件的训练数据进入预设的神经网络仿真测距模式中计算,获得所述实
    际故障点与所述第一母线之间形成的第二测距结果的步骤具体包括:
    获取多个仿真采样点前三次故障行波到达第一母线时间及第二母线时间,且以三阶样
    条函数作为小波函数,将所述获取到的多个仿真采样点前三次故障行波到达第一母线时间
    及第二母线时间导入所述小波函数中,通过二进小波变换处理,获得各仿真采样点的小波
    模极大值极性;
    构建三层神经元结构的BP神经网络,所述BP神经网络包括输入层、隐含层和输出层;其
    中,所述输入层通过由所述获取到的多个仿真采样点前三次故障行波到达第一母线时间及
    第二母线时间和所述获得的各仿真采样点的小波模极大值极性构成的数据矩阵实现;所述
    隐含层采用的神经元个数为12,传递函数为tansig;所述输出层采用的传递函数为
    purelin;
    确定所述BP神经网络的最大训练次数为1000,训练误差为10-5,并通过训练函数
    trainlm实现对所述BP神经网络进行训练,预测出所述实际故障点前三次故障行波到达第
    一母线时间及第二母线时间,以及实际故障点的小波模极大值极性;
    将所述预测出的实际故障点前三次故障行波到达第一母线时间及第二母线时间,以及
    实际故障点的小波模极大值极性进行拟合,预测出所述实际故障点与所述第一母线之间的
    间隔距离,并将所述预测出的间隔距离作为第二测距结果输出。
    8.如权利要求1所述的方法,其特征在于,在所述步骤S3中,所述预设阈值为500m。
    9.一种基于神经网络的线缆混合线路双端测距系统,其在三段式线缆混合线路上实
    现,所述线缆混合线路由第一架空线、第二架空线以及设置于所述第一架空线与所述第二
    架空线之间的电缆线形成,且所述第一架空线还与第一母线相连,所述第二架空线还与第
    二母线相连,其特征在于,所述系统包括:
    数据采集单元,用于采集训练数据,所述训练数据包括多个仿真采样点前三次故障行
    波到达第一母线时间及第二母线时间、第一架空线的长度及其上故障行波的传播速度和传
    播时间、第二架空线的长度及其上故障行波的传播速度和传播时间、电缆线的长度及其上
    故障行波的传播速度和传播时间以及实际故障点所发故障行波到达第一母线及第二母线
    的时间;
    模式筛选及计算单元,用于在所述训练数据中将提取满足第一预定条件的训练数据进
    入预设的双端测距模式中计算,获得所述实际故障点与所述第一母线之间形成的第一测距
    结果,并在所述训练数据中将提取满足第二预定条件的训练数据进入预设的神经网络仿真
    测距模式中计算,获得所述实际故障点与所述第一母线之间形成的第二测距结果;
    判断单元,用于判断所述第一测距结果与所述第二测距结果二者之差的绝对值是否小
    于预设阈值;
    第一结果输出单元,用于将所述第一测距结果作为线缆混合输电线路故障测距最终结
    果输出;
    第二结果输出单元,用于将所述第二测距结果作为线缆混合输电线路故障测距最终结
    果输出。
    10.如权利要求9所述的系统,其特征在于,所述故障行波在第一架空线上的传播速度
    与所述故障行波在第二架空线上的传播速度相等。

    说明书

    一种基于神经网络的线缆混合线路双端测距方法和系统

    技术领域

    本发明涉及线缆混合输电线路故障定位技术领域,尤其涉及一种基于神经网络的
    线缆混合线路双端测距方法和系统。

    背景技术

    随着我国经济的迅速发展,城市及乡镇用电负荷正在不断增加,传统的架空线路
    已经不能满足我国城市及乡镇用电发展的需求,主要原因在于:一方面,架空线路的建设会
    占用大量的土地资源,不利于土地资源的合理利用,另一方面,纵横交错的架空线路占用城
    市建设空间,不利于现代城市化建设。而电力电缆因其安全可靠、有利于城市现代化建设等
    优点,在电网中获得了广泛应用,电力线路也由过去单纯的架空线路发展为架空线-电缆混
    合输电线路。因此,随着电力线路结构的演变,对电力线路故障的定位和查找提出了更高的
    要求。

    在现有技术中,电缆-架空线混合输电线路双端故障测距通常采用的方法有基于
    分布参数模型的区段故障定位法和基于波速归一算法的双端行波测距法。

    在基于分布参数模型的区段故障定位法中,该方法运用对称分量法和线性叠加原
    理将故障网络分解为故障前正常网络和故障后附加正、负、零序网络,然后利用对称分量法
    将三相电压突变量和三相电流突变量变换成对称分量,由此分别求得线路首末端的系统阻
    抗,进而分别由线路首末端的电气量计算得到的故障点过渡电阻上的电流,最后由线路首
    末端的电气量计算得到的故障点过渡电阻上的电流模值相位关系得到故障点。该方法虽然
    不要求双端数据同步,不受线路两端系统阻抗和过渡电阻的影响,不存在伪根判别问题,且
    易于实现,但是只适用于结构相对简单的电缆架空线混合输电线路,而对于更为复杂的多
    段电缆架空线交替出现的输电线路,在判定故障区段时判断依据较复杂,导致误差会随着
    连接点的增多而增大,使故障测距的精度降低。

    在基于波速归一算法的双端行波测距法中,该方法以架空线波速为基准将电缆长
    度进行折算,波速度归一化后的线路中行波传播速度为架空线的波速度,然后对波速归一
    化后的线路进行计算,得到故障点在波速归一化后的线路中的位置,最后将故障点位置换
    算到实际线路中的位置。虽然对于电缆架空线混合输电线路而言,采用波速度归一法的双
    端行波测距是最为理想的,但是只应用于小电流输电线路中,在高压输电的混合线路中还
    未得到验证,需在今后的研究工作中实现。

    发明内容

    本发明实施例所要解决的技术问题在于,提供一种基于神经网络的线缆混合线路
    双端测距方法和系统,适用于复杂的多段电缆架空线交替出现的输电线路上,能够简单、可
    靠的给出测距结果。

    为了解决上述技术问题,本发明实施例提供了一种基于神经网络的线缆混合线路
    双端测距方法,其在三段式线缆混合线路上实现,所述线缆混合线路由第一架空线、第二架
    空线以及设置于所述第一架空线与所述第二架空线之间的电缆线形成,且所述第一架空线
    还与第一母线相连,所述第二架空线还与第二母线相连,所述方法包括:

    S1、采集训练数据,所述训练数据包括多个仿真采样点前三次故障行波到达第一
    母线时间及第二母线时间、第一架空线的长度及其上故障行波的传播速度和传播时间、第
    二架空线的长度及其上故障行波的传播速度和传播时间、电缆线的长度及其上故障行波的
    传播速度和传播时间以及实际故障点所发故障行波到达第一母线及第二母线的时间;

    S2、在所述训练数据中将提取满足第一预定条件的训练数据进入预设的双端测距
    模式中计算,获得所述实际故障点与所述第一母线之间形成的第一测距结果,并在所述训
    练数据中将提取满足第二预定条件的训练数据进入预设的神经网络仿真测距模式中计算,
    获得所述实际故障点与所述第一母线之间形成的第二测距结果;

    S3、判断所述第一测距结果与所述第二测距结果二者之差的绝对值是否小于预设
    阈值;

    S4、如果是,则将所述第一测距结果作为线缆混合输电线路故障测距最终结果输
    出;

    S5、如果否,则将所述第二测距结果作为线缆混合输电线路故障测距最终结果输
    出。

    其中,在所述步骤S1中,所述故障行波在第一架空线上的传播速度与所述故障行
    波在第二架空线上的传播速度相等。

    其中,在所述步骤S2中,所述在所述训练数据中将提取满足第一预定条件的训练
    数据进入预设的双端测距模式中计算,获得所述实际故障点与所述第一母线之间形成的第
    一测距结果的步骤具体包括:

    S211、提取所述故障行波在第一架空线上的传播时间、故障行波在第二架空线上
    的传播时间及故障行波在电缆线上的传播时间;

    S212、在所述线缆混合线路上设置连续的多个故障分析区域,并取各故障分析区
    域的两端均作为理论故障点,且进一步根据所述提取的故障行波分别对应在第一架空线、
    第二架空线和电缆线上的传播时间,分别计算出各故障分析区域中故障行波由同一理论故
    障点出发第一次到达第一母线时间及第二母线时间二者之间形成的理论时间差值;

    S213、提取所述实际故障点所发故障行波第一次到达第一母线时间及第二母线时
    间,计算出实际故障点所发故障行波第一次到达第一母线时间及第二母线时间二者之间形
    成的实际时间差值,且根据所述计算出的实际时间差值以及理论时间差值,确定实际故障
    点所处的故障分析区域,进一步计算出故障点与第一母线之间间隔距离并作为第一测距结
    果输出。

    其中,所述步骤S212具体包括:

    在所述线缆混合线路上,将所述第一架空线、第二架空线及电缆线均对应均分成
    具有两个相同长度的故障分析区域,且所得的六个故障分析区域连续连接;

    提取所述六个故障分析区域的两端,且相邻连接的故障分析区域之间的重复端提
    取一次即可,得到七个理论故障点;

    根据所述计算出的故障行波分别对应在第一架空线、第二架空线和电缆线上的传
    播时间,计算出所述七个理论故障点分别发送故障行波各自对应第一次到达第一母线时间
    及第二母线时间二者之间形成的理论时间差值。

    其中,所述七个理论故障点分别发送故障行波各自对应第一次到达第一母线时间
    及第二母线时间二者之间形成的理论时间差值具体计算步骤包括:

    当前理论故障点为所述第一母线与所述第一架空线的连接端时,则当前理论时间
    差值是将所述故障行波在第一架空线上的传播时间、所述故障行波在第二架空线的传播时
    间和所述故障行波在电缆线上的传播时间三者相加之和取负而得到;

    当前理论故障点为所述第一架空线的中点时,则当前理论时间差值是将所述故障
    行波在第二架空线的传播时间和所述故障行波在电缆线上的传播时间二者相加之和取负
    而得到;

    当前理论故障点为所述第一架空线与所述电缆线的连接端时,则当前理论时间差
    值是将所述故障行波在第一架空线上的传播时间分别减去所述故障行波在第二架空线的
    传播时间和所述故障行波在电缆线上的传播时间而得到;

    当前理论故障点为所述电缆线的中点时,则当前理论时间差值是将所述故障行波
    在第一架空线上的传播时间减去所述故障行波在第二架空线上的传播时间而得到;

    当前理论故障点为所述电缆线与所述第二架空线的连接端时,则当前理论时间差
    值是将所述故障行波在第一架空线上的传播时间与所述故障行波在电缆线上的传播时间
    相加之后,所得的和减去所述故障行波在第二架空线的传播时间而得到;

    当前理论故障点为所述第二架空线的中点时,则当前理论时间差值是将所述故障
    行波在第一架空线上的传播时间与所述故障行波在电缆线的传播时间二者相加而得到;

    当前理论故障点为所述第二架空线与所述第二母线的连接端时,则当前理论时间
    差值是将所述故障行波在第一架空线上的传播时间、所述故障行波在第二架空线的传播时
    间和所述故障行波在电缆线上的传播时间三者相加而得到。

    其中,所述步骤S213具体包括:

    提取所述实际故障点所发故障行波第一次到达第一母线时间及第二母线时间,计
    算出实际故障点所发故障行波第一次到达第一母线时间及第二母线时间二者之间形成的
    实际时间差值;

    获取与所述计算出的实际时间差值间隔最近的两个理论时间差值,并根据所述获
    取到的两个理论时间差值,确定实际故障点所处的故障分析区域及其对应的线路;

    根据所述实际故障点对应的线路在所述采集到的训练数据中筛选出满足计算条
    件的数据,且根据所筛选出的数据,计算出所述实际故障点与所述第一母线之间的间隔距
    离,并将所述计算出的间隔距离作为第一测距结果输出。

    其中,在所述步骤S2中,所述在所述训练数据中将提取满足第二预定条件的训练
    数据进入预设的神经网络仿真测距模式中计算,获得所述实际故障点与所述第一母线之间
    形成的第二测距结果的步骤具体包括:

    获取多个仿真采样点前三次故障行波到达第一母线时间及第二母线时间,且以三
    阶样条函数作为小波函数,将所述获取到的多个仿真采样点前三次故障行波到达第一母线
    时间及第二母线时间导入所述小波函数中,通过二进小波变换处理,获得各仿真采样点的
    小波模极大值极性;

    构建三层神经元结构的BP神经网络,所述BP神经网络包括输入层、隐含层和输出
    层;其中,所述输入层通过由所述获取到的多个仿真采样点前三次故障行波到达第一母线
    时间及第二母线时间和所述获得的各仿真采样点的小波模极大值极性构成的数据矩阵实
    现;所述隐含层采用的神经元个数为12,传递函数为tansig;所述输出层采用的传递函数为
    purelin;

    确定所述BP神经网络的最大训练次数为1000,训练误差为10-5,并通过训练函数
    trainlm实现对所述BP神经网络进行训练,预测出所述实际故障点前三次故障行波到达第
    一母线时间及第二母线时间,以及实际故障点的小波模极大值极性;

    将所述预测出的实际故障点前三次故障行波到达第一母线时间及第二母线时间,
    以及实际故障点的小波模极大值极性进行拟合,预测出所述实际故障点与所述第一母线之
    间的间隔距离,并将所述预测出的间隔距离作为第二测距结果输出。

    其中,在所述步骤S3中,所述预设阈值为500m。

    本发明实施例还提供了一种基于神经网络的线缆混合线路双端测距系统,其在三
    段式线缆混合线路上实现,所述线缆混合线路由第一架空线、第二架空线以及设置于所述
    第一架空线与所述第二架空线之间的电缆线形成,且所述第一架空线还与第一母线相连,
    所述第二架空线还与第二母线相连,所述系统包括:

    数据采集单元,用于采集训练数据,所述训练数据包括多个仿真采样点前三次故
    障行波到达第一母线时间及第二母线时间、第一架空线的长度及其上故障行波的传播速度
    和传播时间、第二架空线的长度及其上故障行波的传播速度和传播时间、电缆线的长度及
    其上故障行波的传播速度和传播时间以及实际故障点所发故障行波到达第一母线及第二
    母线的时间;

    模式筛选及计算单元,用于在所述训练数据中将提取满足第一预定条件的训练数
    据进入预设的双端测距模式中计算,获得所述实际故障点与所述第一母线之间形成的第一
    测距结果,并在所述训练数据中将提取满足第二预定条件的训练数据进入预设的神经网络
    仿真测距模式中计算,获得所述实际故障点与所述第一母线之间形成的第二测距结果;

    判断单元,用于判断所述第一测距结果与所述第二测距结果二者之差的绝对值是
    否小于预设阈值;

    第一结果输出单元,用于将所述第一测距结果作为线缆混合输电线路故障测距最
    终结果输出;

    第二结果输出单元,用于将所述第二测距结果作为线缆混合输电线路故障测距最
    终结果输出。

    其中,所述故障行波在第一架空线上的传播速度与所述故障行波在第二架空线上
    的传播速度相等。

    实施本发明实施例,具有如下有益效果:

    在本发明实施例中,由于将BP神经网络测距和双端测距原理相结合,有效解决因
    线路补偿电容装置造成的BP神经网络测距误差较大问题,并通过仿真可减小测距误差,实
    现混合线路全线距离内的精确测距,因此能够适用于复杂的多段电缆-架空线混合输电线
    路,提高混合输电线路故障测距的准确性和可靠性,具有良好的工程应用前景。

    附图说明

    为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现
    有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本
    发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据
    这些附图获得其他的附图仍属于本发明的范畴。

    图1为本发明实施例提供的一种基于神经网络的线缆混合线路双端测距方法的流
    程图;

    图2为本发明实施例提供的一种基于神经网络的线缆混合线路双端测距方法中三
    段式线缆混合线路结构示意图;

    图3为本发明实施例提供的一种基于神经网络的线缆混合线路双端测距方法中对
    三段式线缆混合线路均分成故障分析区域及故障行波传播示意图;

    图4为本发明实施例提供的一种基于神经网络的线缆混合线路双端测距方法中BP
    神经网络结构示意图;

    图5为本发明实施例提供的一种基于神经网络的线缆混合线路双端测距系统的结
    构示意图。

    具体实施方式

    为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一
    步地详细描述。

    发明人发现,随着人工神经网络、小波变换等原理在输电线路检测中的应用,为故
    障测距带来了新思路。由于人工神经网络具有较好的非线性拟合能力,可对复杂的数据进
    行拟合,故障电压、电流信号经过小波变换,可获得各次小波模极大值正负极性,通过将两
    种方法结合,可有效进行故障测距。但通过小波变换对信号特征进行提取的测距方法需要
    对各次行波极性和到达时刻进行准确判断,当线路上存在补偿电容器时,故障行波受其影
    响,导致到达线路两端的行波波头变平缓且到达时间延迟,影响故障行波信号的有效提取,
    若无法有效采集故障信息,将可能造成测距误差过大。

    因此,为了解决上述问题,发明人基于神经网络与双端测距原理相结合的方式,提
    出了一种基于神经网络的线缆混合线路双端测距方法。

    如图1所示,为本发明实施例中,发明人提供的一种基于神经网络的线缆混合线路
    双端测距方法,其在三段式线缆混合线路(如图2所示)上实现,该线缆混合线路由第一架空
    线AM、第二架空线NB以及设置于第一架空线AM与第二架空线NB之间的电缆线MN形成,且第
    一架空线AM还与第一母线(未图示)相连,第二架空线NB还与第二母线相连(未图示),所述
    方法包括:

    步骤S1、采集训练数据,所述训练数据包括多个仿真采样点前三次故障行波到达
    第一母线时间及第二母线时间、第一架空线的长度及其上故障行波的传播速度和传播时
    间、第二架空线的长度及其上故障行波的传播速度和传播时间、电缆线的长度及其上故障
    行波的传播速度和传播时间以及实际故障点所发故障行波到达第一母线及第二母线的时
    间;

    步骤S2、在所述训练数据中将提取满足第一预定条件的训练数据进入预设的双端
    测距模式中计算,获得所述实际故障点与所述第一母线之间形成的第一测距结果,并在所
    述训练数据中将提取满足第二预定条件的训练数据进入预设的神经网络仿真测距模式中
    计算,获得所述实际故障点与所述第一母线之间形成的第二测距结果;

    步骤S3、判断所述第一测距结果与所述第二测距结果二者之差的绝对值是否小于
    预设阈值;如果是,则执行下一步骤S4;如果否,则跳转至步骤S5;

    步骤S4、将所述第一测距结果作为线缆混合输电线路故障测距最终结果输出;

    步骤S5、将所述第二测距结果作为线缆混合输电线路故障测距最终结果输出。

    在本发明实施例中,步骤S1中的训练数据具体有:预设31个仿真采样点,并获取31
    个仿真采样点分别对应前三次故障行波到达第一母线时间及第二母线时间,用于后续构建
    BP神经网络;

    训练数据还具体有:第一架空线AM的长度L1、电缆线MN的长度L2、第二架空线NB的
    长度L3,以及通过故障行波采集仪器得到的故障行波在电缆线MN中的传播速度vC,故障行
    波在第一架空线AM及第二架空线NB中具有同等传播速度vO;以及分别根据公式(1)、(2)和
    (3),分别得到故障行波分别对应在第一架空线AM的传播时间t1、电缆线MN上的传播时间t2
    和第二架空线NB上的传播时间t3:




    在本发明实施例中,步骤S2中分两种计算模式来计算实际故障点与第一母线之间
    的间隔距离(即实际故障点达到第一架空线路AM的A端距离),具体模式包括双端测距模式
    和神经网络仿真测距模式。

    (一)通过双端测距模式,获得实际故障点与第一母线之间形成的第一测距结果的
    步骤具体包括:

    步骤S211、提取所述故障行波在第一架空线上的传播时间、故障行波在第二架空
    线上的传播时间及故障行波在电缆线上的传播时间;

    步骤S212、在所述线缆混合线路上设置连续的多个故障分析区域,并取各故障分
    析区域的两端均作为理论故障点,且进一步根据所述提取的故障行波分别对应在第一架空
    线、第二架空线和电缆线上的传播时间,分别计算出各故障分析区域中故障行波由同一理
    论故障点出发第一次到达第一母线时间及第二母线时间二者之间形成的理论时间差值;

    具体过程为,如图3所示,在线缆混合线路上,将第一架空线AM、第二架空线NB及电
    缆线MN均对应均分成具有两个相同长度的故障分析区域,即AP、PM、MQ、QN、NR和RB,且所得
    的六个故障分析区域连续连接;

    提取六个故障分析区域的两端,且相邻连接的故障分析区域之间的重复端提取一
    次即可,得到七个理论故障点,即A、P、M、Q、R和B;

    根据计算出的故障行波分别对应在第一架空线AM、第二架空线NB及电缆线MN上的
    传播时间,计算出七个理论故障点分别发送故障行波各自对应第一次到达第一母线时间及
    第二母线时间二者之间形成的理论时间差值。

    上述七个理论故障点形成的理论时间差值,具体计算方式如下:

    (1)当前理论故障点为第一母线与第一架空线AM的连接端时,即A端,则当前理论
    时间差值Δt1是将故障行波在第一架空线AM上的传播时间t1、故障行波在第二架空线NB的
    传播时间t3和故障行波在电缆线MN上的传播时间t2三者相加之和取负而得到,即Δt1=-
    t1-t2-t3;

    (2)当前理论故障点为第一架空线AM的中点时,即P端,则当前理论时间差值Δt2
    是将故障行波在第二架空线NB的传播时间t3和故障行波在电缆线MN上的传播时间二者相
    加之和取负而得到,即Δt2=-t2-t3;

    (3)当前理论故障点为第一架空线AM与电缆线MN的连接端时,即M端,则当前理论
    时间差值Δt3是将故障行波在第一架空线AM上的传播时间t1分别减去故障行波在第二架空
    线NB的传播时间t3和故障行波在电缆线MN上的传播时间t2而得到,即Δt3=t1-t2-t3;

    (4)当前理论故障点为电缆线MN的中点时,即Q端,则当前理论时间差值Δt4是将
    故障行波在第一架空线AM上的传播时间t1减去故障行波在第二架空线NB的传播时间t3而得
    到,即Δt4=t1-t3;

    (5)当前理论故障点为电缆线MN与第二架空线的连接端NB时,即N端,则当前理论
    时间差值Δt5是将故障行波在第一架空线AM上的传播时间t1与故障行波在电缆线MN上的传
    播时间t2相加之后,所得的和减去故障行波在第二架空线NB的传播时间t3而得到,即Δt5=
    t1+t2-t3;

    (6)当前理论故障点为第二架空线NB的中点时,即R端,则当前理论时间差值Δt6
    是将故障行波在第一架空线AM上的传播时间t1与故障行波在电缆线MN上的传播时间t2二者
    相加而得到,即Δt6=t1+t2;

    (7)当前理论故障点为第二架空线NB与第二母线的连接端时,即B端,则当前理论
    时间差值Δt7是将故障行波在第一架空线AM上的传播时间t1、故障行波在第二架空线NB的
    传播时间t3和故障行波在电缆线MN上的传播时间t2三者相加而得到,即Δt7=t1+t2+t3。

    可以理解的是,任一线路上的中点(如P、Q和R),故障行波从中点出发分别往其所
    在线路两端的传播时间相等(如P端在AP和PM上的传播时间相等),因为在同一线路上传播
    距离相等,而传播速度不变。

    步骤S213、提取所述实际故障点所发故障行波第一次到达第一母线时间及第二母
    线时间,计算出实际故障点所发故障行波第一次到达第一母线时间及第二母线时间二者之
    间形成的实际时间差值,且根据所述计算出的实际时间差值以及理论时间差值,确定实际
    故障点所处的故障分析区域,进一步计算出故障点与第一母线之间间隔距离并作为第一测
    距结果输出。

    具体过程为,提取实际故障点所发故障行波第一次到达第一母线时间tA1及第二母
    线时间tB1,计算出实际故障点所发故障行波第一次到达第一母线时间及第二母线时间二者
    之间形成的实际时间差值,即Δt=tA1-tB1;

    获取与计算出的实际时间差值间隔最近的两个理论时间差值,并根据获取到的两
    个理论时间差值,确定实际故障点所处的故障分析区域及其对应的线路;即若Δt1<Δt<
    Δt2,则实际故障点位于故障分析区域AP段,对应第一架空线AM;若Δt2<Δt<Δt3,则实
    际故障点位于故障分析区域PM段,对应第一架空线AM;若Δt3<Δt<Δt4,则实际故障点位
    于故障分析区域MQ段,对应电缆线MN;若Δt4<Δt<Δt5,则实际故障点位于故障分析区域
    QN段,对应电缆线MN;若Δt5<Δt<Δt6,则实际故障点位于故障分析区域NR段,对应第二
    架空线NB;若Δt6<Δt<Δt7,则实际故障点位于故障分析区域RB段,对应第二架空线NB;

    根据实际故障点对应的线路在采集到的训练数据中筛选出满足计算条件的数据,
    且根据所筛选出的数据,计算出实际故障点与第一母线之间的间隔距离,并将所述计算出
    的间隔距离作为第一测距结果输出,即若实际故障点位于第一架空线AM上,则实际故障点
    与第一母线之间的间隔距离,即实际故障点F到第一母线线路端点A距离,通过公式(4)得
    到:


    若实际故障点位于电缆线MN上,则实际故障点与第一母线之间的间隔距离,即实
    际故障点F到第一母线线路端点A距离,通过公式(5)得到:


    若实际故障点位于第二架空线NB上,则实际故障点与第一母线之间的间隔距离,
    即实际故障点F到第一母线线路端点A距离,通过公式(6)得到:


    (二)通过神经网络仿真测距模式,获得实际故障点与第一母线之间形成的第二测
    距结果的步骤具体包括:

    获取多个仿真采样点前三次故障行波到达第一母线时间及第二母线时间,且以三
    阶样条函数作为小波函数,将获取到的多个仿真采样点前三次故障行波到达第一母线时间
    及第二母线时间导入所述小波函数中,通过二进小波变换处理,获得各仿真采样点的小波
    模极大值极性;

    如图4所示,构建三层神经元结构的BP神经网络,BP神经网络包括输入层、隐含层
    和输出层;其中,输入层通过由获取到的多个仿真采样点前三次故障行波到达第一母线时
    间及第二母线时间和获得的各仿真采样点的小波模极大值极性构成的数据矩阵实现;隐含
    层采用的神经元个数为12,传递函数为tansig;输出层采用的传递函数为purelin;

    确定BP神经网络的最大训练次数为1000,训练误差为10-5,并通过训练函数
    trainlm实现对BP神经网络进行训练,预测出实际故障点前三次故障行波到达第一母线时
    间及第二母线时间,以及实际故障点的小波模极大值极性;

    将预测出的实际故障点前三次故障行波到达第一母线时间及第二母线时间,以及
    实际故障点的小波模极大值极性进行拟合,预测出实际故障点与所述第一母线之间的间隔
    距离,并将预测出的间隔距离作为第二测距结果输出。

    应当说明的是,通过Matlab和PSCAD对采样点前三次故障行波到达第一母线时间
    及第二母线时间进行仿真。为提高BP神经网络训练效率,避免训练次数过大,且小波极性包
    含正极性和负极性,可用函数premnmx对数据进行归一化处理,使输入数据取值范围为[-1,
    1],通过对训练结果进行反归一化处理。其中IW1,1、b1,LW2,1、b2分别为隐含层和输出层的权
    值和阀值。

    在本发明实施例中,步骤S3中的预设阈值为500m。

    对本发明实施例中的一种基于神经网络的线缆混合线路双端测距方法应用场景
    做进一步说明:

    第一架空线AM段长度L1=13km,电缆线MN段长度L2=7km,第二架空线NB段长度L3
    =10km,仿真频率为1MHz,故障行波在架空线中传播速度为v0=300km/ms,在电缆中传播速
    度为vc=190km/ms;

    计算出

    推导出Δt1=-t1-t2-t3=-113.4μs,Δt2=-t2-t3=-70.1μs,Δt3=t1-t2-t3=-
    26.8μs,Δt4=t1-t3=10μs,Δt5=t1+t2-t3=46.8μs,Δt6=t1+t2=80.1μs,Δt7=t1+t2+t3
    =113.4μs;

    并从线路A端到B端,每隔1km设置一个采样点,共31个点,仿真获取其前三次故障
    行波到达线路两端检测点的时间及小波模极大值正负性,将采集的数据作为训练样本训练
    神经网络。数据通过神经网络拟合,使得测距结果于训练值之间误差逐步减小,神经网络经
    过若干迭代训练后可达到训练误差精度要求。

    设t=0时,故障点F1发生A相接地故障,故障初始角为90°,过渡电阻为10Ω。通过
    仿真所测得的线路两端故障相电流、故障相电压波形及其小波变换图形可知故障行波到达
    线路各端点的时刻分别为tA1=14μs,tA2=42μs,tA3=70μs,小波模极大值极性分别为-1、1、
    1,tB1=97μs,tB2=126μs,tB3=156μs,小波模极大值极性分别为-1、-1、-1,测距结果为
    4.2074km,测距误差为92.6m;

    设t=0时,故障点F2发生A相接地故障,故障初始角为90°,过渡电阻为10Ω。通过
    仿真所测得的线路两端故障相电流、故障相电压波形及其小波变换图形可知故障行波到达
    线路各端点的时刻分别为tA1=73μs,tA2=85μs,tA3=98μs,小波模极大值极性分别为-1、-
    1、1,tB1=38μs,tB2=51μs,tB3=64μs,小波模极大值极性分别为-1、1、-1,测距结果为
    18.8461km,测距误差为46.1m;

    设t=0时,故障点F3发生A相接地故障,故障初始角为90°,过渡电阻为10Ω。通过
    仿真所测得的线路两端故障相电流、故障相电压波形及其小波变换图形可知故障行波到达
    线路各端点的时刻分别为tA1=87μs,tA2=104μs,tA3=121μs,小波模极大值极性分别为-
    1、-1、-1,tB1=24μs,tB2=40μs,tB3=58μs,小波模极大值极性分别为-1、1、1,测距结果为
    22.5651km,测距误差为34.9m。

    由上述通过BP神经网路对数据信号多次训练从而得到测距结果的方法,分别在线
    路上设置九个故障点,对故障点采集数据进行仿真,并将测距结果于双端测距结果比较,仿
    真结果如表1所示:

    表1:



    由表1可知,对故障点测距结果,本发明实施例所提方法测距误差在150m范围内,
    双端行波测距方法由于受双端时钟同步误差、线路实际长度及波速等因素的影响,测距误
    差较大,最大可达450.1m,本文所提方法通过神经网络拟合训练数据,无需考虑波速等因素
    对测距精度的影响,具有较好的测距效果。

    如图5所示,为本发明实施例中,提供的一种基于神经网络的线缆混合线路双端测
    距系统,其在三段式线缆混合线路上实现,所述线缆混合线路由第一架空线、第二架空线以
    及设置于所述第一架空线与所述第二架空线之间的电缆线形成,且所述第一架空线还与第
    一母线相连,所述第二架空线还与第二母线相连,所述系统包括:

    数据采集单元110,用于采集训练数据,所述训练数据包括多个仿真采样点前三次
    故障行波到达第一母线时间及第二母线时间、第一架空线的长度及其上故障行波的传播速
    度和传播时间、第二架空线的长度及其上故障行波的传播速度和传播时间、电缆线的长度
    及其上故障行波的传播速度和传播时间以及实际故障点所发故障行波到达第一母线及第
    二母线的时间;

    模式筛选及计算单元120,用于在所述训练数据中将提取满足第一预定条件的训
    练数据进入预设的双端测距模式中计算,获得所述实际故障点与所述第一母线之间形成的
    第一测距结果,并在所述训练数据中将提取满足第二预定条件的训练数据进入预设的神经
    网络仿真测距模式中计算,获得所述实际故障点与所述第一母线之间形成的第二测距结
    果;

    判断单元130,用于判断所述第一测距结果与所述第二测距结果二者之差的绝对
    值是否小于预设阈值;

    第一结果输出单元140,用于将所述第一测距结果作为线缆混合输电线路故障测
    距最终结果输出;

    第二结果输出单元150,用于将所述第二测距结果作为线缆混合输电线路故障测
    距最终结果输出。

    其中,所述故障行波在第一架空线上的传播速度与所述故障行波在第二架空线上
    的传播速度相等。

    实施本发明实施例,具有如下有益效果:

    在本发明实施例中,由于将BP神经网络测距和合双端测距原理相结合,有效解决
    因线路补偿电容装置造成的BP神经网络测距误差较大问题,并通过仿真可减小测距误差,
    实现混合线路全线距离内的精确测距,因此能够适用于复杂的多段电缆-架空线混合输电
    线路,提高混合输电线路故障测距的准确性和可靠性,具有良好的工程应用前景。

    值得注意的是,上述系统实施例中,所包括的各个系统单元只是按照功能逻辑进
    行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的
    具体名称也只是为了便于相互区分,并不用于限制本发明的?;し段?。

    本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以
    通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,
    所述的存储介质,如ROM/RAM、磁盘、光盘等。

    以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范
    围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。

    关于本文
    本文标题:一种基于神经网络的线缆混合线路双端测距方法和系统.pdf
    链接地址://www.4mum.com.cn/p-6001374.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 重庆时时彩开奖直播 北京快乐8app 中彩票三分彩独胆计划 gpk钱龙捕鱼 华东15选5历史开奖结果 开心棋牌下载 重庆时时采彩五星技巧 足彩胜平负14场 新疆35选7开奖时间 易发棋牌官方下载 有快3官方网站吗 广东时时彩官网下载 奕趣贵州麻将公众号 福建22选5开奖彩票开奖 福建11选5分布走势图 法甲联赛有几支参赛球队