故障极识别与故障测距一体化的智能算法

被引：2

作者：

毛王清 ^{[1
]}

杨琦 ^{[2
]}

杨明玉 ^{[1
]}

机构：

[1] 华北电力大学电气与电子工程学院

[2] 中国电力科学研究院

来源：

陕西电力 | 2015年 / 43卷 / 06期

关键词：

HVDC; 故障极识别; 故障测距; 分层分布式神经网络; 粒子群;

D O I：

暂无

中图分类号：

TM721.1 [直流制输电]; TP18 [人工智能理论];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

通过归纳现有的基于神经网络直流输电故障定位方法,分析了故障定位过程中存在的问题,提出了一种针对双极HVDC系统,可实现故障极识别和故障定位一体化的智能化算法。提出分层分布式神经网络结构,依据人工神经网络较强的模式识别功能建立特有的故障极识别模块。采用粒子群算法优化神经网络权值,避免陷入局部极小值点,加快收敛速度。Matlab和PSCAD的联合仿真验证了该算法的精确性。

引用

页码：43 / 46

页数：4

共 13 条

[1]

粒子群优化算法及其在神经网络中的应用.[D].李博.大连理工大学.2005, 03

[2]

利用故障行波固有频率的单端行波故障测距法.[D].邬林勇.西南交通大学.2009, 03

[3] 基于混合智能算法的直流输电线路故障测距方法 [J].