论文部分内容阅读
小电流接地方式下的配电网发生单相接地故障时,其故障电流的微弱性以及故障电弧的不稳定性和故障形式的多变性,都给故障选线带来了困难,所以小电流接地系统的故障选线问题一直没有得到彻底的解决。尽管国内外学者已经提出了众多选线理论和方法,相应的故障选线装置也已投入实际应用,但现场的效果并不理想。本文采用了一种基于粒子群算法(PSO)优化径向基(RBF)神经网络的综合选线判据,既克服了单一选线判据受接地方式影响的问题,又提高了故障选线的准确性。 本文首先对小电流接地系统在不同接地方式下发生故障时的暂态特性和稳态特性进行阐述,分析了不同接地方式下的故障规律和特征。利用EMTP/ATP软件搭建了小电流接地系统的仿真模型,仿真模拟了大量工况条件下发生单相接地故障的情况,在验证理论分析正确的同时也采集了大量的故障数据,为下文提出的选线方法提供了比较完备的数据来源。 为了体现本文所选取的神经网络结构和智能算法的优势,分别对基于BP神经网络的故障选线方法和基于遗传算法(GA)优化RBF神经网络的故障选线方法进行了叙述和分析,通过这两种选线的准确性,可以突出体现本文提出的基于PSO优化RBF神经网络的故障选线方法的优势,此方法既克服了BP神经网络收敛慢和容易陷入局部最小的问题,又克服了GA搜索能力低和易陷入局部最优的问题,很适合应用在故障选线中。 最后,利用Matlab的GUI功能设计了基于本文采用的故障选线判据的故障选线装置界面显示,当检测有故障发生时,界面显示会显示出每条馈线的零序电流的幅值和波形,还有故障线路的编号,并显示“发生故障”的红色对话框,对工作人员有很强的警示作用。笔者用了大量的故障数据对界面进行试验,通过显示结果也验证了本文采用的选线方法很高的正确性和很强的适用性。