配电网故障的特点以及小波与神经网络的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇配电网故障的特点以及小波与神经网络的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】随着时代的进步和社会经济的发展，我国电力行业发展迅速，配电网规模越来越大；人们生活质量的提高，对供电质量和供电稳定性也提出了更高的要求；但是目前在配电网中却经常会出现各种各样的故障，严重影响到了供电系统的正常运行，不利于供电质量的提高，需要引起人们足够的重视。本文简要分析了配电网故障的特点以及小波与神经网络的应用，希望可以提供一些有价值的参考意见。

【关键词】配电网；故障特点；神经网络

1 前言

城市化进程的加快和工业化程度的提高，对电力系统运行的稳定性和供电质量提出了更高的要求；配电网是电力系统中非常重要的一个组成部分，如果有故障出现于配电网中，将会对整个电力系统的正常运行产生直接的影响，因此需要引起人们足够的重视。

通过调查研究发现，如果有短路故障出现于配电网中，采用传统的方法来识别故障类型，往往是对门槛值进行科学设置，然后将相应的逻辑关系给利用过来；但是有很多的因素都会影响到故障时所获取的电压、电流信息，如系统运行方式、故障位置、过渡阻抗以及故障时刻等等，不能够精确的识别和判断。针对这种情况，就可以利用先进的现代数字和智能技术，它综合了多种学科，吸引了最新的方法，可以有效的进行故障诊断。其中，非常重要的就是小波变换技术和神经网络，前者可以细分信号，后者的模式识别能力加强，将其综合应用，就可以有效识别配电网故障。

2 小波分析和神经网络技术

小波指的是小区域的波，这种波形比较的特殊，长度有限，0是它的平均值，小波分析源于信号分析和函数的伸缩和平移，它可以有效的处理信号，并且时频局部化特性较好，去噪能力较强以及可以对弱信号进行有效提取等，目前已经被广泛应用到那些非平稳信号的处理以及信号的时频分析中；小波分析指的是逐层分解低频段的信号，而经过研究，又对其进行了改进，发展出来了小波包分析，可以逐层有效的分解全频段信号，将信号的特征给更好的提取出来。

神经网络技术的发展基础是现代神经科学，它作为一种数学模型而存在，十分的抽象；相较于传统的人工智能专家系统，神经网络技术具有一系列的优点，如可以实时运行人工神经网络、时间序列数据可以被人工神经网络所直接使用，而专家系统却需要用符号信号来替代这些数值数据之后，方可以进行使用。

3 小波与神经网络的结合

要想诊断配电网故障，就需要采集和处理信号，那么在分析和处理信息时，就可以采用小波分析法，而输入到输出之间的非线性映射则可以通过神经网络来实现，另外，因为其具备自学习和模式识别能力，那么诊断自动化程度也可以得到较大程度的提高。因此，在配电网故障识别处理中，就可以有效的结合和应用小波分析和神经网络。在结合的时候，可以采取两种途径：

一是松散型结合小波与神经网络：松散型结合指的是在神经网络应用中，前置处理手段采用的是小波分析方法，以此来将特征向量输入到神经网络中；具体来讲，就是利用小波分析来在相互独立的频带内分解信号，这样各个频带内的能量值就会形成向量，不同的向量值分别对应于不同的故障；将神经网络的输入特征向量给确定下来之后，结合经验，对神经网络及隐层数和隐层单元数进行合理选择，就可以利用试验样本来训练神经网络，对权值合理调整，构建相应的模型。

二是小波与神经网络的紧致型结合：紧致型结合指的是结合小波函数和尺度函数，促使神经元的形成，直接融合小波和神经网络，它将激励函数定义为小波函数。从实质上讲，故障诊断就是向故障空间中映射症状空间，可以用函数逼近来表示这种映射，另外，从函数逼近的角度也可以有效说明小波神经网络的形成。

4 配电网故障中小波与神经网络的应用

一是系统仿真：我们进行了配电网故障类型识别仿真模型的构建，以便将神经网络学习样本集的故障原始数据给获取到；采用的是中性点不接地配电系统，采用了35kv等级的母线电压，将0.1秒作为系统仿真时间，0.4秒作为故障发生时间，4800Hz作为采样频率，将分布参数模型应用到线路中，可以有效得出线路的正序参数和零序参数，将三相串联RLC负载作为主要负载，那么就可以有效得出来额定负载情况下的有功功率和感性无功功率，分别为50MW和24Mvar，将4800Hz作为系统采样频率。

二是神经网络训练样本的生成：如果有故障发生于电力系统中，那么继电保护装置动作之前的一两个周波故障信号就可以被现场的录波装置所获取到；故障类型的不同，就会有较大差异存在于工频段的电流和电压变化中。另外，零序电压还可以对中性点不接地系统的相间短路和相间接地短路进行有效的区分。因此，在识别故障类型时，就可以将特征向量定义为三相短路工频段电流的幅值、电压的幅值以及零序电压；当故障发生于配电网中，不管是短路电流的变化，还是电压的变换，都会呈现一个非平稳的暂态过程，录波装置所获取的信息内容非常复杂，不仅有暂态部分，还有工频、谐波等稳态部分。因此，本文将小波变化技术应用进来，小波分解故障后两个周波的信号，之后对工频段信号进行重构，以便将反应故障模式的特征向量给有效获取到；将交流采样的测量原理应用进来，就可以对工频段的电压和电流的幅值和有效值进行科学计算。

三是神经网络的测试：为了利用测试样本来更好的测试训练好的网络，我们在测试短路时，采取了两种不同的负荷条件，分别为百分之四十和百分之八十；那么就可以得出一系列的结果，其中，如果神经网络输出结构在0.8以上，就说明有故障存在于本相中。

5 结语

通过上文的叙述分析我们可以得知，传统的配电网故障识别方法容易受到诸多因素的影响，精确度不够，操作起来比较的困难和复杂，针对这种情况，本文在配电网故障识别中应用了小波与神经网络结合的方法，在神经网络的输出方面，采用的是小波变换技术提取到的特征信号。通过测试，发现本方法有着较多的优势，构建的网络模型有着较快的收敛速度，并且鲁棒性较好，可以规避其他因素的影响，如故障过渡电阻、系统运行方式、故障点位置等等，来科学识别故障类型，更好的进行解决，促使电力系统更加稳定的运行，提高供电质量。本文简要分析了配电网故障的特点以及小波与神经网络的应用，希望可以提供一些有价值的参考意见。

参考文献：

[1]郭三中.基于小波神经网络的配电网故障定位研究[J].自动化应用，2010（12）.

[2]赵峰，尹德昌.小波包与改进BP神经网络的配电网故障选线[J].自动化仪表，2013（9）.

[3]范春菊，张兆宁.小波模糊神经网络应用于配电网输电线的故障测距[J].电网技术，2002（9）.

[4]吴树静.小波BP网络在电网超短期负荷中的应用[J].城市建设理论研究，2012（24）.

[5]黄琼，王时胜，李震球.小波神经网络在配电网故障定位中的应用[J].南昌大学学报，2013（2）.