文档介绍：小波分析和神经网络理论的电力系统短路故障研究
摘要
电力系统正常运行的破坏多半是由短路故障引起的,发生短路时,系统从一种状态剧变到另一种状态,并伴随产生复杂的暂态现象,测量得到的信号中包含大量的暂态分量。如何对这类信号进行有效分析,提取其特征,开发新型的保护装置,一直是电力系统保护技术中的重要研究领域。电力系统的保护就是通过对故障进行快速的检测、定位,达到正确动作、消除故障的目的。目前,用于微机保护中的电力信号分析工具有FFT、Kalman滤波器、有限冲激响应滤波器等,它们对于平稳信号的分析是高效的,但在分析非平稳信号中有其局限性;尤其对非线性故障识别困难, 如探测高阻抗非线性短路故障便是电力系统一个长期没有很好解决的问题。
本文利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普遍的逼近能力,提出了一个基于小波神经网络的电力系统故障段辨别方法。该方法首先对测量信号作小波变换, 提取特征量,作为多层前向神经网络的输入,对不同的输出要求,提出采用不同的神经网络,判断出发生故障的相位、性质和位置。集合小波理论和ANN的优点,实现保护智能化,提高保护的选择性、灵敏性及可靠性,保证电网稳定,提高供电质量。仿真结果显示,小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置,即使在电力系统中存在保护继电器和断路器误动或拒动的情况下,小波神经网络也能给出合理的结果。测试结果表明,小波神经网络在电力系统警报处理系统中有良好的应用前景。
【关键词】故障诊断小波神经网络电力系统
第一章引言

小波分析是一种时域——频域分析方法,,小波分析的出现被认为是傅立叶分析的突破性进展。由于它良好的时频局部特性和变焦特性,使其已广泛应用于信号分析、图像处理、量子力学、计算机视觉、医学成像与诊断、无损检测、机械故障诊断等领域,.处理突变信号和非平稳时变信号。原则上讲传统使用傅立时分析的地方,现在都可以用小波分析。神经网络本质上是一种通用的非线性自适应函数估计器,通过对历史数据的训练,建立起复杂的非线性映射模型。神经网络理论的研究日趋深入,其重要发展方向之一,就是注重与小波、混沌、分形、模颧集等非线性科学理论相结合。它具有良好的自学习、自适应、鲁棒性、容错性和推广能力。因此,如何有效地把小波分析与人工神经网络的优点有机地结合起来,是当今信号处理学科的热点。
在电力系统的保护技术中,故障的识别和定位是极其重要的部分。电力系统的正常运行的破坏多半是由短路故障引起豹,发生短路时,系统从一种状态剧变到另一种状态,并伴随产生复杂的暂态现象。传统电力系统中的保护就是通过对故障进行快速的检测、定位,对就地信号的幅值进行测量,并做出是否动作的决策,达到正确动作、消除故障的目的。显然,仅利用这些信息不能反应整个故障特征,因而经常不能区分保护区内高阻抗故障和区外的金属性短路故障。故增加保护的信息量,准确区分各种情况下的故障是保护智能化的重要内容。目前,用于计算机保护中的电力信号分析工具是传统的分析工具,如FFT、KalIllan滤波器、最小二乘法、有限冲激响应滤波器等等。它们对于平稳信号的分析是高效的,但在分析非平稳信号中有其局限性。当短路故障发生时,测量得到的信号将包含大量的暂态分量,其中有些分量为远大于50Hz的暂态分量。对这类信号迸行分析,提取其特征,开发新型的保护装嚣,是一个有希望的领域。
本文提出一种利用小波变换提取信号特征进行分析,并结合神经网络来识别电力系统短路故障的新方法。该方法首先对测量信号作小波变换,提取特征量,作为多层前向神经网络的输入;对不同的输出要求,提出采用不同的神经网络。判断出发生故障的相位、性质和位置。它集中小波理论和ANN(Ani6cial work)两者的优点,实现保护智能化,从而提高保护的选择性、灵敏性和可靠性,保证电网稳定,提高供电质量。适应电力系统市场化的要求。

我国电力系统的保护技术经历了从上世纪60年代的晶体管继电保护到80
年代的集成电路保护,再到90年代的计算机继电保护的发展过程。但由于电力系统的飞速发展对其保护技术不断提出新的要求,现有的保护装置表现出了它的不足,主要为对如经过渡电阻的短路等非线性信号故障相位、位黄、种类难以判别,甚至造成保护装置误动作,降低系统可靠性。
目前国内外的电力系统保护装置的保护原理是:基于对工频信号及稳态信号的分析计算,将故障产生的高频分量当作干扰滤除,对就地信号的幅值进行测量并做出是否动作的决策。这些都是适合于处理平稳信号的实用方法。
电力系统故障的一个显著特征就是电流剧增,从力和热等方面损坏电气设备。熔断器保护和过电流保护就是反映电流剧增特征的