基于BP神經(jīng)網(wǎng)絡(luò)的小電流接地故障選線方法

姜曉東， 任 力, 劉 銘， 李 彥, 陳 平

(1. 山東理工大學(xué) 電氣與電子工程學(xué)院，山東 淄博 255049；2.國(guó)網(wǎng)山東省電力公司日照供電公司， 山東 日照 276826)

?

基于BP神經(jīng)網(wǎng)絡(luò)的小電流接地故障選線方法

姜曉東1， 任 力2, 劉 銘1， 李 彥1, 陳 平1

(1. 山東理工大學(xué) 電氣與電子工程學(xué)院，山東 淄博 255049；2.國(guó)網(wǎng)山東省電力公司日照供電公司， 山東 日照 276826)

針對(duì)電力系統(tǒng)出現(xiàn)的小電流接地故障，提出一種利用BP神經(jīng)網(wǎng)絡(luò)對(duì)暫態(tài)主頻分析的選線方法.該方法提取各出線初始零模電流暫態(tài)主頻的實(shí)部、虛部，利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障線路的選取.使用建模軟件ATP-EMTP建立小電流接地故障模型，對(duì)各條線路分別設(shè)置不相同故障狀態(tài)(故障距離、過渡電阻和故障初相角)進(jìn)行仿真，得到BP神經(jīng)網(wǎng)絡(luò)所需訓(xùn)練樣本和測(cè)試數(shù)據(jù)，利用MATLAB進(jìn)行編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練，實(shí)現(xiàn)非線性映射.再利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對(duì)小電流故障接地故障進(jìn)行選線.仿真結(jié)果表明，采用本方法可以很好地完成小電流故障接地系統(tǒng)的選線.

小電流接地系統(tǒng)；暫態(tài)；BP神經(jīng)網(wǎng)絡(luò)；故障選線

1 暫態(tài)主頻的提取和變換

1.1 基本理論

當(dāng)小電流接地系統(tǒng)出現(xiàn)單相接地故障后，故障初始電流行波從故障處向母線方向和負(fù)荷側(cè)傳播，經(jīng)過不斷的折反射疊加之后會(huì)形成暫態(tài)電流行波.將三相電流經(jīng)過相模變換之后得到零模電流.對(duì)于諧振接地系統(tǒng)，由于消弧線圈的補(bǔ)償作用導(dǎo)致各條線路間的工頻分量沒有明顯差異.因此，利用工頻進(jìn)行選線的方法將失效.

通過仿真得到每條線路的三相電流，將三相電流經(jīng)過相模變換得到各條線路的零序電流，將零序電流信號(hào)利用快速傅里葉變換后能夠獲取暫態(tài)主頻分量的實(shí)部和虛部.然后通過提取到暫態(tài)主頻的實(shí)部和虛部輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練最終實(shí)現(xiàn)小電流接地系統(tǒng)故障線路的選取.

1.2 暫態(tài)主頻故障特征的提取

通過快速傅里葉變換可以對(duì)小電流接地系統(tǒng)由于故障產(chǎn)生的非周期連續(xù)性時(shí)間信號(hào)x(t)進(jìn)行頻譜分析，x(t)的傅里葉變換X(ω)為

(1)

由上面的公式計(jì)算可以得到x(t)的頻譜為連續(xù)的，但是在實(shí)際中能夠得到的往往是對(duì)x(t)進(jìn)行離散采樣得到的值x(nT),對(duì)離散信號(hào)的頻譜分析通常運(yùn)用離散傅里葉變換(DFT)

(2)

由于DFT的計(jì)算量比較大，而通過快速傅里葉變換(FFT)可以減少運(yùn)算量，F(xiàn)FT利用了WN的對(duì)稱特性和周期特性，將其中一個(gè)N點(diǎn)的轉(zhuǎn)換為N/2點(diǎn)進(jìn)行離散傅里葉變換，經(jīng)過變換之后的計(jì)算量減少為原來(lái)的1/2，不斷繼續(xù)進(jìn)行分解，計(jì)算量將減少很多.快速傅里葉變換的公式可以表示為

(3)

在經(jīng)過快速傅里葉變換后能夠得到一個(gè)復(fù)數(shù)的實(shí)部和虛部，而且可以使運(yùn)算量大幅減少.

2 利用BP神經(jīng)網(wǎng)絡(luò)選線方法

2.1 選線原理

如圖1所示，將仿真后獲取的小電流接地系統(tǒng)單相接地故障的三相電流，經(jīng)過相模變換之后得到零序電流，對(duì)故障發(fā)生后的各線路零序電流信號(hào)進(jìn)行快FFT得到其暫態(tài)主頻的實(shí)部和虛部.將提取出的各條線路零序電流的暫態(tài)主頻實(shí)部和虛部當(dāng)作樣本輸入到BP神經(jīng)網(wǎng)絡(luò)中，故障線路作為神經(jīng)網(wǎng)絡(luò)的輸出，對(duì)建立好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練.

圖1 神經(jīng)網(wǎng)絡(luò)選線流程圖

2.2 神經(jīng)網(wǎng)絡(luò)的建立

BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)模型中應(yīng)用最廣泛的，其名稱是由于在網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)的過程中，調(diào)整權(quán)值采用的算法為誤差反向傳播的學(xué)習(xí)算法BP神經(jīng)網(wǎng)絡(luò)由于結(jié)構(gòu)簡(jiǎn)單，可以進(jìn)行調(diào)整的參數(shù)多，并且用于對(duì)其訓(xùn)練的算法很多，得到了大量應(yīng)用.根據(jù)神經(jīng)網(wǎng)絡(luò)理論，任何的非線性函數(shù)的逼近都可以由三層的神經(jīng)網(wǎng)絡(luò)來(lái)完成.BP神經(jīng)網(wǎng)絡(luò)信號(hào)前向傳遞，誤差反向傳遞，根據(jù)預(yù)測(cè)誤差調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值，從而使神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出不斷接近于期望輸出.具體的訓(xùn)練過程詳見文獻(xiàn)[11].

圖2中，X1…Xn是BP神經(jīng)網(wǎng)絡(luò)的輸入值，Y1…Yn是BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值，根據(jù)是神經(jīng)網(wǎng)絡(luò)理論，每個(gè)樣本能夠提取出的6條線路共12個(gè)特征量，作為BP神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，令X=(X1，X2，…，X12)，其中X1…X6為各條線路初始電流零模分量暫態(tài)主頻實(shí)部，X7…X12為各條線路初始電流零模分量暫態(tài)主頻虛部.每一個(gè)X變量作為BP神經(jīng)網(wǎng)絡(luò)的一個(gè)神經(jīng)元，輸入層則需要相應(yīng)的設(shè)置12個(gè)神經(jīng)元.隱含層采用12個(gè)神經(jīng)元.輸出層對(duì)應(yīng)著每條線路發(fā)生了故障或是沒有發(fā)生故障，采用6個(gè)神經(jīng)元，令輸出Y=(Y1，Y2，Y3，Y4，Y5，Y6)，線路L1…L6某條發(fā)生故障時(shí)對(duì)應(yīng)的Y1…Y6分量為1，否則為0.

這里利用MATLAB作為仿真軟件對(duì)BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練.利用newff建立BP網(wǎng)絡(luò)，格式為net=newff(minmax(P),[12,6],{′tansig′,′purelin′},′traingda′)，其中，P為訓(xùn)練樣本，12和6分別為隱含層和輸出層神經(jīng)元個(gè)數(shù)，tansig(S型正切函數(shù))和purelin(線性傳輸函數(shù))分別對(duì)應(yīng)著隱含層和輸出層的神經(jīng)元傳遞函數(shù).traingda 為訓(xùn)練函數(shù).訓(xùn)練目標(biāo)誤差取0.01.學(xué)習(xí)速率采用0.1.

圖2 BP神經(jīng)網(wǎng)絡(luò)模型

3 仿真建模

3.1 ATP仿真建模

以圖3中具有六回架空出線的小電流接地系統(tǒng)為例，驗(yàn)證本文提出的選線方法.該系統(tǒng)具有六回架空出線，電源為110kV的三相電源，變壓器的參數(shù)為：變壓器的額定容量為40MVA，勵(lì)磁磁通為202.2Wb，空載損耗為35.63kW，勵(lì)磁電流為0.672A，磁路電阻為400K；高壓側(cè)的電壓等級(jí)為110kV，低壓側(cè)的電壓等級(jí)為10.5kV；電源側(cè)單相中性點(diǎn)線圈的阻值為0.40，線路側(cè)單相中性點(diǎn)線圈的阻值0.006；電源側(cè)電感值為12.2，線路側(cè)電感值為0.183.線路采用分布參數(shù)的正序阻抗為Z1=(0.17+j0.38)/km，正序?qū)Φ貙?dǎo)納為b1=(j3.045)s/km；零序線路阻抗為Z0=(0.23+j1.72)/km，零序?qū)Φ貙?dǎo)納為b0=(j1.884)s/km.線路長(zhǎng)度分別為3 000m、6 000m、9 000m、12 000m、15 000m、20 000m.消弧線圈采用過補(bǔ)償，補(bǔ)償設(shè)置為8%，根據(jù)計(jì)算所得設(shè)置電感線圈的數(shù)值為8.25H.使用ATP-EMPT作為建模軟件，根據(jù)小電流接地系統(tǒng)故障電路模型建立的仿真模型.設(shè)置仿真步長(zhǎng)為1s，設(shè)置采樣頻率為1MHz.

圖3 故障模型電路圖

圖4 故障模型仿真

3.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

使用BP神經(jīng)網(wǎng)絡(luò)前都要經(jīng)過訓(xùn)練，用訓(xùn)練數(shù)據(jù)來(lái)訓(xùn)練伸進(jìn)網(wǎng)絡(luò)，在訓(xùn)練過程中根據(jù)網(wǎng)絡(luò)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值.

為了獲取故障樣本來(lái)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，需要設(shè)置不同的故障條件，在每條線路的不同的位置設(shè)置故障(位于線路20%，40%，60%、80%處)、不同的過渡電阻(分別設(shè)置為5，50，200)、不同故障初相角(5°，30°，60°，90°)進(jìn)行仿真，提取各種情況下暫態(tài)主頻的實(shí)部和虛部，得到實(shí)驗(yàn)樣本，實(shí)驗(yàn)樣本的數(shù)量為288，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化以后，使用MATLAB開始訓(xùn)練.

3.3 故障選線驗(yàn)證

在測(cè)試線路4的中點(diǎn)處設(shè)置故障，設(shè)置故障初相角45°，過渡電阻值為60，仿真得到各條線路故障后三相電流波形.

圖6和圖7為每條線路初始零序電流經(jīng)過FFT后的幅頻和相頻特性.根據(jù)提取的電流零模分量暫態(tài)主頻的實(shí)部和虛部可以得到

(X1…X6)=(5，8，13，-81，27，37),

(X7…X12)=(351，713，1098，-7241，2004，3038).

綜合得到輸入信號(hào)X=(5，8，13，-81，27，37,351，713，1098，-7241，2004，3038)，將數(shù)據(jù)X輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)后得到Y(jié)=(-0.0337，0.0271，0.0672，0.7957，-0.0716，-0.1094).因此可以選出故障線路為線路4.

圖5 電流行波零模分量暫態(tài)圖圖6 零模電流的幅頻特性圖7 零模電流相頻特性

表1 暫態(tài)主頻數(shù)據(jù)

故障線路故障距離/km線路1線路2線路3線路4線路5線路6L11.5994-j5321-69+j364-110+j578-160+j841-225+j1194-426+j2312L23-22+j245559-j6216-71+j785-102+j1112-135+j1513-222+j2526L34.5-11+j302-23+j616246-j6840-48+j1330-63+j1776-93+j2779L465+j3518+j71313+j1098-81-j724127+j200437+j3038L57.511+j39722+j80534+j123558+j1702-219-j7478104+j3303L61033+j46866+j946101+j1448142+j1984178+j2579-506-j7459

表2 選線結(jié)果

測(cè)試數(shù)據(jù)Y1Y2Y3Y4Y5Y6選線結(jié)果11.00400.02560.0943-0.1094-0.1166-0.1787L120.00021.0317-0.1530-0.0026-0.1159-0.2834L230.00300.01931.1865-0.1324-0.1414-0.1830L34-0.03370.02710.06720.7957-0.0716-0.1094L450.012830.05150.244144-0.134780.7031-0.1326L560.0356-0.002-0.17960.1564-0.14790.8987L6

4 結(jié)束語(yǔ)

利用人工神經(jīng)網(wǎng)絡(luò)基于零序電流暫態(tài)主頻的實(shí)部和虛部對(duì)小電流接地系統(tǒng)故障的選線算法，是利用將不同的故障特征量作為樣本輸入神經(jīng)網(wǎng)絡(luò)訓(xùn)練，利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行故障選線.仿真證明，該方法能夠確定小電流接地系統(tǒng)的故障線路.

[1]徐丙垠，薛永端，李天友,等.小電流接地故障選線技術(shù)綜述[J].電力設(shè)備，2005,6(4)：1-7.

[2]龔靜，李英姿，王亞慧，等.基于DSP的小電流接地系統(tǒng)暫態(tài)首半波法實(shí)現(xiàn)[J].電工技術(shù)，2005,6(9)：34-36.

[3]薛永端，馮祖仁，徐丙垠，等. 基于暫態(tài)零序電流比較的小電流接地選線研究[J]. 電力系統(tǒng)自動(dòng)化，2003，27(9)：48-53.

[4]張新慧，潘貞存，徐丙垠,等.基于暫態(tài)零序電流的小電流接地故障選線仿真[J].繼電器，2008，36( 3): 5-9．

[5]薛永端，徐丙垠，馮祖仁，等.小電流接地故障暫態(tài)方向保護(hù)原理研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2003,23(7):51-56.

[6]朱丹，賈雅君，蔡旭，等.暫態(tài)能量法原理選線 [J].電力自動(dòng)化設(shè)備，2004,24(3):75-78.

[7]吳樂鵬，黃純，林達(dá)斌，等.基于暫態(tài)小波能量的小電流接地故障選線新方法[J].電力自動(dòng)化設(shè)備，2013,33(5)：70-75.

[8]張新慧，潘馨雨，何柏娜,等.基于暫態(tài)主頻零模電流的故障選線仿真研究[J].計(jì)算機(jī)仿真，2013,30(10)：157-161.

[9]劉穎異，譚博學(xué).利用暫態(tài)行波的小電流接地故障檢測(cè)方法研究[J].山東理工大學(xué)學(xué)報(bào)，2013,27(2)：43-49.

[10]董新洲，畢見廣．配電線路暫態(tài)行波的分析和接地選線研究[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2005，25(4)：1-6．

[11]葛哲學(xué)，孫志強(qiáng). 神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)[M]．北京：電子工業(yè)出版社，2007.

(編輯：劉寶江)

Research on fault line detection for non-effectively earthed system based on BP neural networks algorithm

JIANG Xiao-dong1,REN Li2, LIU Ming1,LI Yan1,CHEN Ping1

(1. School of Electrical and Electronic Engineering, Shandong University of Technology, Zibo 255049, China; 2.Rizhao Power Supply Company State Grid Shandong, Rizhao 276826, China)

For the non-effectively earthed system, this paper propose a method of using neural network to solve the problem of fault line selection. This method extract real and imaginary parts of transient frequency to use the BP neural network to find the fault line. First, a simulation model of non-effectively earthed system was put up by ATP-EMTP software, to simulate different fault distance, transition resistance and fault initial angle in the model to obtain training samples and testing samples. Second,MATLAB was used to train the BP neural network model. At last, the trained neural network was used to find the fault line. The simulation proved that the method can solve the problem of line selection of the non-effectively earthed system.

non- effectively earthed system；transient state；BP neural network; fault line selection

2016-05-13

姜曉東，男，1016466541@qq.com； 通信作者：陳平，男，pingchen1969@263.net

1672-6197(2017)01-0067-04

TM773

A