论文部分内容阅读
电力系统过电压严重威胁电气设备的安全稳定运行,甚至造成严重的安全事故。弧光接地过电压和铁磁谐振过电压是中性点不接地配电网中常见的两种过电压,它们持续时间长、调度端特征相似、造成的事故后果也很相似,容易使运行人员误判而不能采取有针对性的防范与抑制措施,因而有必要针对这两种过电压进行专门识别研究。本文在弧光接地过电压及铁磁谐振过电压机理研究及过电压信号特征仿真分析的基础上,利用遗传算法优化的BP神经网络对弧光接地与铁磁谐振过电压进行分类识别研究。首先,分析了弧光接地过电压产生的机理,以工频熄弧理论为基础,在Matlab/Simulink中建立了10kV中性点不接地配电网弧光接地过电压仿真模型,仿真获得了弧光接地过电压的电压波形,对电压信号进行了幅值和频谱分析,并对弧光接地过电压的抑制措施进行了仿真研究。结果表明弧光接地过电压暂态振荡幅值很高,存在明显的冲击特性,波形畸变严重,频谱成分复杂且存在大量的高频成分,系统中性点经消弧线圈接地和经小电阻接地能够很好的抑制弧光接地过电压。其次,分析了铁磁谐振过电压产生的机理,在Matlab/Simulink中建立了10kV中性点不接地配电网铁磁谐振过电压仿真模型,仿真获得了基频、分频、高频铁磁谐振、不谐振时电压和流过电磁式电压互感器(PT)一次侧电流的波形,对电压、电流信号进行了幅值和频谱分析,并对铁磁谐振过电压的抑制措施进行了仿真研究。结果表明铁磁谐振过电压频谱成分相对单一,但也存在一定畸变,PT一次侧中性点经单相PT接地、经非线性电阻接地、PT开口三角投入阻尼电阻,以及系统中性点经小电阻接地均能对铁磁谐振过电压产生良好的抑制效果。最后,提出了一种基于遗传算法优化的BP神经网络的弧光接地与铁磁谐振过电压识别方法。依据过电压仿真波形,提取三相电压及零序电压的有效值、峭度值、小波能谱熵以及零序电压的小波能谱分布特性共计14个特征量,然后针对传统BP神经网络梯度下降学习算法收敛慢、易陷入局部极小值等缺陷,采用遗传算法优化BP神经网络的初始权值和阈值,利用最小二乘算法优化其学习算法。之后将仿真获得的大量过电压信号进行特征提取,送入遗传算法优化前后的BP神经网络进行训练与识别测试,测试结果表明遗传算法优化的BP神经网络能够更准确识别弧光接地与铁磁谐振过电压。