基于GA-LVQ网络的信息融合故障选线方法

【摘要】：配电网单相接地故障选线一直是个尚未解决的难题,由于配电网结构复杂,现有各种单一选线方法的局限性,选线结果准确率低,因此探索新型快速准确的选线方法具有重大现实意义。论文分析了配电网单相接地故障时的电压电流信号的故障特征,探索了一种基于遗传算法优化神经网络的信息融合选线方法。首先针对利用故障暂态特征的小波模极大值选线方法在故障相电压过零点且接高过度电阻时容易发生误判或漏判的不足,利用学习矢量量化(LVQ)神经网络结构简单、便于实现和较好的聚类效果的特点,提出了一种遗传算法(GA)优化LVQ神经网络算法的配电网接地故障选线方法,克服了LVQ网络算法对初始权值敏感问题,提高了算法选线准确率和收敛速度。然后针对单一故障特征的选线方法准确率低,提出了基于GA-LVQ网络的信息融合故障选线方法。应用MATLAB软件建立配电网单相接地故障的仿真模型,利用故障稳暂态特征信息分别构造零序电流暂态行波分量法、基波法和有功分量法的故障测度函数,提取零序电流信号的故障特征信息,根据故障测度函数计算各故障测度作为GA-LVQ神经网络的信息融合选线方法的样本,对不同的故障类型进行仿真,并将该方法的选线准确率分别与三种单一的选线方法的选线准确率进行对比,结果表明GA-LVQ神经网络的信息融合选线方法具有更高的准确率。论文提出了将GA优化LVQ网络算法和智能信息融合算法相结合应用于配电网接地故障选线,通过MATLAB语言编程实现LVQ神经网络的聚类算法及遗传算法对LVQ网络初始权值的优化,具有一定的先进性,有效提高了选线准确率,应用前景广阔。
【关键词】：配电网 故障选线 遗传算法 LVQ神经网络 信息融合
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TM727