基于支持向量機的小電流接地系統(tǒng)故障選線研究.pdf

1、電力系統(tǒng)作為保障國民生產(chǎn)生活的重要組成部分，必須時刻安全、可靠地運行。由于小電流接地系統(tǒng)的自身性質(zhì)以及故障特征微弱等原因，單相接地故障選線問題雖已研究多年，但仍然沒能得到較好的解決。
　　現(xiàn)有的各種小電流接地故障選線方法都有各自的不足，適用范圍有限。針對這一情況，本文圍繞SVM(Support Vector Machine，支持向量機)對小電流接地系統(tǒng)故障選線問題展開研究。具體的研究工作如下:
　　(1)對小電流接地系統(tǒng)發(fā)生

2、單相接地故障時的穩(wěn)態(tài)和暫態(tài)特征進行了論述。在此基礎上,利用專業(yè)電磁暫態(tài)仿真軟件建立了110kV/35kV小電流接地系統(tǒng)故障仿真模型，根據(jù)不同接地系統(tǒng)、不同接地電阻、不同故障初始角和不同故障距離等故障類型進行了大量仿真實驗。
　　(2)對SVM與LSSVM(Least Square Support Vector Machine，最小二乘支持向量機)的思想及分類原理進行了分析研究。提出了基于暫態(tài)量和LSSVM的故障選線方法，利用小波包

3、變換作為特征提取手段，對線路的零序電流信號進行多層變換，選用特征頻帶內(nèi)的能量值作為分類器LSSVM的訓練與測試樣本。在仿真驗證這種方法有效的基礎上，提出LSSVM改進小波包的選線方法，仿真證明故障選線準確率得到了提高。
　　(3)采用了基于LSSVM的智能融合選線算法，以提高故障選線方法的適用性與可靠性。分別采用小波包變換和FFT(Fast Fourier Transform，快速傅里葉變換)算法作為特征提取手段，將提取到的穩(wěn)態(tài)基

4、波分量、五次諧波分量以及暫態(tài)能量分量構(gòu)成特征向量，利用分類及泛化能力較強的LSSVM作為故障分類器進行融合選線。
　　(4)在對分類精度和模型泛化能力有較大影響的LSSVM模型參數(shù)選擇的問題上，采用群體智能優(yōu)化算法進行解決。利用QPSO(Quantum Particle Swarm Optimization，量子行為粒子群優(yōu)化算法)來選擇最優(yōu)參數(shù)，利用優(yōu)化后的參數(shù)進行故障選線模型的訓練與測試。經(jīng)仿真實驗證明，與傳統(tǒng)LSSVM方法以