四川省教育厅资助科研项目(11ZB100)
- 作品数：5 被引量：66H指数：5
- 相关作者：吴浩李群湛李莺傅成华易东更多>>
- 相关机构：四川理工学院西南交通大学四川省巴中市电业局更多>>
- 发文基金：人工智能四川省重点实验室开放基金四川省教育厅资助科研项目四川省科技支撑计划更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于广域状态信息和模糊C均值聚类的电网故障区域判别被引量：12
- 2013年
- 结合电网广域状态信息,提出一种基于模糊C均值(FCM)聚类的电网故障区域判别新方法。该方法利用线路智能电子装置(IED)采集相应保护的动作信息、方向元件状态信息、断路器状态信息等,并以电网各线路IED状态信息作为FCM的聚类对象。给出电网关联IED的定义,利用故障判别算法把故障元件关联IED归为一类,同方向区外故障IED归为一类。大量仿真表明,该方法容错性能好,运行速度快,判别准确率高,即使部分信息不准确,也能正确判断故障区域。
- 吴浩李群湛易东
- 关键词：电力系统模糊C均值聚类
- 基于故障分量能量系数和PNN的故障选相研究被引量：5
- 2013年
- 故障选相是高压输电线路继电保护正确运行的重要环节,也是精确测距的重要前提。传统的故障选相方法仅适用于简单故障,灵敏度较低,容易受系统运行方式、故障接地电阻等的影响。笔者在输电线路各相电流故障分量分析的基础上,借鉴信号能量的概念,给出了故障分量能量的定义,提出一种利用故障分量能量系数实现故障选相的新方法。该方法直接利用故障电流,提取故障分量并计算故障分量前2个周期的信号能量,得到故障状态下各相电流故障分量能量占电流故障分量总能量的比例系数,构造故障相识别特征向量,建立故障选相概率神经网络进行选相。仿真结果表明该方法不受故障初始角、故障位置和过渡电阻等因素的影响,能准确实现故障选相。仿真分析验证了其有效性。
- 吴浩郭辉蔡亮
- 关键词：输电线路故障分量概率神经网络故障选相
- 基于RBF神经网络的输电线路故障类型识别新方法被引量：6
- 2013年
- 基于径向基函数(radial basis function,RBF)神经网络理论,采用电流突变量比例系数,提出了一种对输电线路故障类型识别的新方法。利用PSCAD/EMTDC软件建立500 kV高压输电线路仿真模型,仿真不同工况下的故障。由各相电流之差提取故障差流信号的突变量,并计算故障后一个周期内差流突变量的有效值,得到故障状态下各相差流突变量占三相差流突变量有效值总和的比例系数,结合零序电流判别系数构造故障类型识别特征向量,建立RBF神经网络进行故障类型识别。仿真结果表明,采用电流突变量比例系数作为特征量包含的信息更丰富,对RBF神经网络的训练效果更好,不受故障位置、故障初始角和过渡电阻等因素的影响,网络识别精度高。
- 吴浩罗毅蔡亮
- 关键词：电流突变量径向基函数(RBF)神经网络比例系数故障类型识别
- 基于HHT的电能质量扰动定位与分类被引量：36
- 2015年
- 针对电能质量扰动定位和识别分类的需求,提出了一种基于HHT的电能质量扰动定位与分类的新方法。采用HHT算法对电能质量扰动信号进行变换,获得瞬时幅值、Hilbert谱和边际谱,并利用Hilbert谱对扰动信号进行定位。从瞬时幅值、Hilbert谱和边际谱中提取特征量,为决策分类树提供判断依据以便进行分类识别。仿真实验结果表明,采用HHT算法与决策分类树相结合的电能质量扰动定位与分类不需训练,提取的特征量少而有效,分类识别的效果较好,具有良好的抗噪性能。
- 田振果傅成华吴浩李莺
- 关键词：HHT电能质量扰动
- 基于PSO-LIBSVM的广域后备保护新算法被引量：8
- 2013年
- 广域后备保护利用电网线路IED和母线IED采集各元件相关信息,构造基于PSO-LIBSVM的线路和母线故障识别网络。以IED采集的信息作为输入向量,建立故障识别网络的训练样本矩阵;PSO算法寻找最优LIBSVM运行参数并训练故障识别网络,利用随机故障下的测试样本矩阵对线路和母线识别网络进行测试,以识别电网故障元件IED,进而确定故障元件。通过大量实验仿真了多种信息不准确情况下的故障识别,实验证明基于PSO-LIBSVM的广域后备保护新算法,识别准确率高,具有很好的容错性。
- 吴浩李群湛刘炜
- 关键词：广域后备保护故障识别容错性
