论文部分内容阅读
我国10kV配电网普遍采用中性点不接地方式和中性点经消弧线圈接地方式,这种两种接地方式可以避免电网发生单相接地故障时保护装置跳闸造成供电中断,从而有效提高了供电的可靠性。然而配电网发生单相接地故障的概率最高,为了防止故障的扩大,必须尽快找出故障线路并采取处理措施。由于小电流接地故障时,故障电流信号微弱、电弧不稳定和随机因素的影响等原因,小电流接地系统单相接地故障选线问题一直未得到有效解决。多年来,国内外专家学者进行了大量的研究,提出了许多基于不同原理的选线方法,但普遍存在单一判据选线方法准确率低,适用范围有限,易受过渡电阻、故障相位角等因素影响的问题。随着计算技术和人工智能理论的发展,基于多判据智能融合的选线方法成为了发展的趋势,尤其是人工智能算法开始逐渐被应用到故障选线中来。其中神经网络因具有良好的并行处理能力、自适应学习能力和联想记忆能力,能有效弥补单一判据选线方法的不足,将各种单一判据的选线方法进行智能融合,实现故障选线。但是它也有着训练时间长,求解时容易陷入局部极小值等缺点,导致选线的时间长,可靠性低。蚁群算法具有很强的全局优化能力和分布式计算机能力,将蚁群算法与神经网络相结合应用于故障选线,可以弥补神经网络的不足,提高神经网络选线方法的可靠性。本文首先对小电流接地系统发生单相接地故障后的稳态过程和暂态过程进行分析,结合现有选线方法的原理对故障的稳态特征和暂态特征进行分类提取。然后总结了现有的蚁群算法与BP神经网络相结合的模型并进行了优化,提出利用蚁群算法优化的神经网络将能量法、五次谐波法和小波包分析法进行智能融合的选线方法。最后,在MATLAB/Simulink上搭建10kV配电网模型,对小电流接地系统在不同故障线路、故障位置、故障相位角和接地电阻的情况下发生单相接地故障进行仿真,采集大量的数据样本分别作为神经网络的训练样本和检验样本,并对所提出的选线方法进行验证。通过与简单BP神经网络选线方法的比较,证明了该方法的有效性和可靠性。