基于故障特征矩阵及IPSO-WNN的输电线路故障识别方法及其系统

本发明涉及电力，具体是基于故障特征矩阵及ipso-wnn的输电线路故障识别方法及其系统。

背景技术：

1、高压输电线路是电力系统中的重要组成部分，也是电力系统中易发生故障的元件之一，因此发生故障时高效准确的故障识别对故障抢修具有重要意义。

2、在故障过程中，零序电流、零序电压最先发生变化，且准确性、完备性、容错性上较稳态电流、电压更具有优势。在高阻接地故障方面，故障高频暂态特征与过渡电阻成反比关系,且暂态零序电流在过渡过程中存在非线性关系，故障检测较为困难，lukowicz,m.；solak,k，et al.2020提出以故障零序电流波形形态特征为依据，采用数学形态学方法提取了波形形态特征，实现高阻接地故障的识别，由于实际工况下，故障发生条件复杂，该方法存在较大的局限性。xue gaur,v.k.；bhalja,b.r.；.2022提出基于暂态主谐振分量的高阻接地故障检测方法，但该方法对于主谐振分量的提取效果较差，难与工频分量区分。弧光接地方面，弧光产生的原因主要有：雷击、虚接、绝缘老化等，出现电弧时，由于其极高的温度会对周围设备及工作人员造成危害。然而，目前无法做到弧光接地故障准确识别，wang,x.；liu,w.2022提出利用伏安特性和零序电流波形实现故障波形变化特征的提取和识别。zhang,y.；wang,x.2020提出基于人工神经网络的故障识别，由于弧光接地故障的特征难以提取且不同电压等级和环境下故障特征也不相同，该方法还需要进一步考虑故障和系统正常扰动过程的正确区分。el-naily,n.；saad,s.m.et al.2022提出了基于希尔伯特-黄变换的时域分析方法，arranz,r.；paredes,a.；rodríguez,a,et al.2021提出基于故障谐波特征的时间分布特性的小波分析方法，但是只是对波形进行分析判断，没有将故障特征进行提取优化。

技术实现思路

1、为了解决上述问题，本发明提供了一种够准确识别故障类型，且识别准确率较高，识别速度较快，适应性强的基于故障特征矩阵及ipso-wnn的输电线路故障识别方法及其系统。

2、为了达到上述目的，本发明是通过以下技术方案来实现的：

3、本发明是基于故障特征矩阵及ipso-wnn的输电线路故障识别方法，包括如下步骤：

4、步骤1，通过仿真分析故障特征量与诊断故障类型；

5、步骤2，采用小波变换对故障零序电流信号进行分解，构造表征不同类型故障特征的故障特征矩阵；

6、步骤3，基于步骤2得到的故障特征采用ipso-wnn识别故障类型。

7、本发明的进一步改进在于：所述步骤1的具体操作步骤为：

8、步骤1.1，从高阻故障和弧光接地故障出发，分析各故障类型，提出故障判断依据；

9、步骤1.2，通过仿真分析短路故障的故障特征并判断短路故障的类型。

10、本发明的进一步改进在于：所述步骤1.1的具体步骤是：

11、步骤1.11，发生高阻接地故障时，故障等值电路的故障暂态过程主要是消弧线圈等效电感lp与系统对地电容c0∑间的并联谐振过程；

12、列出二阶非线性齐次微分方程：

13、

14、该微分方程的特征根为：

15、

16、流经消弧线圈的零序电流为：

17、

18、其中，ω0为零序电流振荡角频率，b、a1、a2、的含义如下：

19、

20、由式(3)可得，母线零序电压为：

21、

22、对地零序电容电流为：

23、

24、故障点零序电流为：

25、

26、由式(7)可知：各线路零序电流及母线零序电压由稳态工频分量和暂态衰减分量组成，因为两相衰减直流分量初始值不同时为0且衰减因子不等，所以自由分量一直存在，当接地电阻阻值增大时暂态过程的持续时间也延长，有利于故障诊断；

27、当发生高阻接地故障时，接地电阻较大，流过系统的零序电流较小，线路上零序电容充放电速度慢，使得系统的暂态谐振频率较低，此时线路电感的感抗较低，基本忽略；过渡过程由系统零序电容与消弧线圈电感之间的并联完成，随着接地阻值的增加，故障点暂态零序电流降低，暂态谐振频率也越来越大，最大谐振频率也只是略超工频，当谐振频率接近工频时，零序电流的波形会出现拍频现象。

28、步骤1.12，搭建电弧模型对弧光接地故障进行仿真分析，电弧模型方程式为：

29、

30、式中各参量表达式如式：

31、

32、其中，ei为电弧输出功率,e0i为电弧逸散功率,g为mayr电弧模型电导,τm为电弧时间常数,ploss为总电弧能量损耗，pcd为传到散发功率，pd1为对流散发功率，pfs为辐射散发功率，g0为常数，q0为单位弧柱的热量,q为电弧总能量；

33、当发生弧光接地故障时，由于消弧线圈的作用，暂态过程中的故障线路与非故障线路的零序电流前半波相位相反，即相位差为180°；零序电流在稳态过程中没有相位差，并且故障线路的零序电流具有较大的幅值，由此可作为弧光接地故障的判断依据。

34、本发明的进一步改进在于：所述步骤1.2中的短路故障分为相间短路和三相短路故障，通过故障相电流增大相数判断短路故障类型；当发生相间短路时输电线路故障相的两相的故障电流突然增大数倍，波动幅度较大；当发生三相短路故障时a、b、c三相相电流在故障时刻突然增大至数倍。

35、本发明的进一步改进在于：所述步骤2的具体操作为：

36、步骤2.1，建立一个模最大值矩阵来确定不同类型单相接地故障的分解尺度，其中i1表示故障线路，j1表示分解尺度；

37、步骤2.2，确定分解尺度后，再计算对应的特征频带的能量值，表达式为：

38、

39、其中，j为特征频带层数，为该频带中极大值；

40、步骤2.3，计算各线路零序电流对应的频带能量，筛选分析后选择最大能量值作为特征矩阵bcd，其中，c为分解尺度，d为线路数量。

41、本发明的进一步改进在于：步骤3的具体步骤是：

42、步骤3.1，对标准wnn算法的隐含层进行改进，弱化了波动幅度大的数据对识别精度的影响，预测误差函数上，通过结合ipso算法进行改进得到ipso—wnn诊断模型；

43、步骤3.2，将各故障类型的期望输出、故障数据、故障特征输入至ipso-wnn诊断模型中训练；

44、步骤3.3，采用训练好的ipso-wnn诊断模型识别故障类型。

45、本发明的进一步改进在于：步骤3.1的具体操作是：

46、步骤3.11，结合标准wnn的输入层和隐含层间量化后的连接权值，达到弱化单一输入数据的影响，表达式为：

47、

48、其中，u为隐含层节点输出值，n为输入层节点数，l为隐含层数，a,b分别表示dbn函数的伸缩因子和平移因子；

49、经过隐含层处理后，得到的输出值为：

50、

51、其中，yk为网络实际输出，m为输出层节点数；

52、步骤3.12，将wnn的误差函数作为ipso算法的适应度函数，对ipso算法进行改进，使得全局搜索能力与局部搜索能力处于平衡状态：

53、

54、其中，wmax、wmin分别为惯性权重的最大值和最小值，imax为预设的最大迭代次数；

55、w与迭代次数i线性相关，为考虑粒子群的进化速度和聚集程度的影响，提出惯性权重的非线性递减策略：

56、

57、其中，f为粒子的适应度，favg为所有粒子的平均适应度；

58、在惯性权重非线性递减策略的基础上对pso算法中学习因子c1、c2进行优化：

59、

60、其中，n为总粒子数；c1(t)、c2(t)为第t次迭代时c1、c2的取值；gt为当前粒子群的最优解；为第n1个粒子的最优解。

61、本发明的基于故障特征矩阵及ipso-wnn的输电线路故障识别系统，包括网络接口，存储器和处理器；其中，所述网络接口，用于在与其他外部网元之间进行收发信息过程中，信号的接收和发送；所述存储器，用于存储能够在所述处理器上运行的计算机程序；所述处理器，用于在运行所述计算机程序时，执行上述基于故障特征矩阵及ipso-wnn的输电线路故障识别方法的步骤。

62、本发明的有益效果是：本发明通过对66kv输电线路不同故障类型的故障特征进行仿真分析，通过模最大矩阵确定dbn小波的分解尺度，以确保故障信息的完整性，并根据各频带的能量值提出了表征故障特征的故障特征矩阵，为后续的故障识别打下坚实基础；故障识别模型方面，本发明通过对标准wnn算法的隐含层进行改进，弱化了波动幅度大的数据对识别精度的影响。预测误差函数上，通过结合ipso算法进行改进，大幅度提高了识别模型的收敛速度和寻找全局最优解的能力。最后通过对比实验进一步验证该方法具有较高的故障识别准确性和较快的故障识别速度，能够满足实际工况复杂环境的需求。