小波包结合PSO-RBF故障测距法

被引：12

作者：

徐耀松 ^{[1
]}

冯明昊 ^{[1
]}

梁小飞 ^{[2
]}

高原 ^{[2
]}

机构：

[1] 辽宁工程技术大学电气与控制工程学院

[2] 国家电网辽宁电力有限公司营口供电公司

来源：

电力系统及其自动化学报 | 2019年 / 31卷 / 11期

关键词：

小波包分解; 粒子群优化算法; 径向基函数神经网络; 故障测距; 固有频率;

D O I：

10.19635/j.cnki.csu-epsa.000190

中图分类号：

TM721.1 [直流制输电];

学科分类号：

080802 ;

摘要：

针对传统高压直流输电故障测距方法存在的缺陷,提出了基于小波包分解与径向基函数RBF(radial basis function)神经网络相结合的故障测距算法。通过RBF神经网络拟合逼近能量比与故障距离之间的非线性关系,采用粒子群优化算法进行优化,运用小波包分解算法提取故障暂态电压信号的频谱能量对RBF神经网络进行训练学习,形成PSO-RBF故障测距模型。将反映故障位置的特征数据输入训练后的模型可进行故障测距。大量仿真结果表明,该方法精度较高,耐受过渡电阻能力强,大幅度提高了高压直流输电系统故障测距的准确性。

引用

页码：127 / 132

页数：6

共 15 条

[1] 基于小波包能量熵的电动振动台故障诊断方法 [J].