現(xiàn)有的故障定位算法只能適應(yīng)于小數(shù)據(jù)樣本并且對(duì)于數(shù)據(jù)的依賴程度高。若數(shù)據(jù)中存在異常數(shù)據(jù)會(huì)帶來(lái)較大的定位誤差,且故障區(qū)域與故障位置需要分別進(jìn)行求解。采用流行學(xué)習(xí)方法對(duì)智能電網(wǎng)中全局信息進(jìn)行數(shù)據(jù)提取,充分利用了高維數(shù)據(jù)中包含的故障信息,并構(gòu)造了故障區(qū)域與故障位置相統(tǒng)一的模型,通過(guò)L1+L2約束擺脫了對(duì)數(shù)據(jù)的依賴。算法中的參數(shù)統(tǒng)一采用Adagard方法進(jìn)行學(xué)習(xí),自動(dòng)調(diào)節(jié)學(xué)習(xí)效率,提高參數(shù)學(xué)習(xí)的準(zhǔn)確度和速度。最后,在PSCAD中搭建IEEE39節(jié)點(diǎn)模型,并在不同的場(chǎng)景下對(duì)算法的魯棒性和定位精度進(jìn)行了驗(yàn)證。 

【文章來(lái)源】：電力系統(tǒng)保護(hù)與控制. 2020,48(18)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

測(cè)地距分析圖

-52-電力系統(tǒng)保護(hù)與控制PSCAD/EMTD中建立如圖2所示的39節(jié)點(diǎn)輸電網(wǎng)絡(luò)，采用典型的IEEE39節(jié)點(diǎn)仿真。圖2IEEE39節(jié)點(diǎn)系統(tǒng)Fig.2IEEE39-bussystem共34條線路，10臺(tái)發(fā)電機(jī)，12個(gè)變壓器，根據(jù)文獻(xiàn)[18]中的方法，系統(tǒng)的行波測(cè)距裝置安裝位置單側(cè)安裝在線路L12-L11,L10-L32,L19-L33,L20-L34,L23-L36,L25-L37,L2-L30,L29-L38,L19-L20來(lái)獲取暫態(tài)故障信息。采樣要求原始信號(hào)為不重疊采樣信號(hào)且精度誤差范圍為±1LSB內(nèi)。根據(jù)要求采樣頻率設(shè)置應(yīng)在200kHz(采集的故障數(shù)據(jù)中行波的頻率段為10~100kHz)獲得不重疊的行波波頭信息。采樣速率與采樣精度兩者關(guān)系需滿足式(26)。ref2sin21mcpVXS-(26)式中：c為采樣系統(tǒng)數(shù)模轉(zhuǎn)換器的位數(shù)；refV為基準(zhǔn)電壓；mX代表峰值；S為采樣速率。以此保證采樣電壓、電流等模擬數(shù)據(jù)，經(jīng)過(guò)數(shù)模轉(zhuǎn)換后的數(shù)字信號(hào)所形成的故障特征集合滿足采樣精度要求。5.1算法運(yùn)算量分析整個(gè)的算法包含兩大類部分運(yùn)算量損耗：一是前期模型學(xué)習(xí)；二是后期輸出運(yùn)算。非流行的算法量分析前期模型學(xué)習(xí)復(fù)雜度為：33O(m+m)，后期的運(yùn)算輸出為O(N)，總的計(jì)算量為33O(m+m+N)。而采用流行學(xué)習(xí)前期運(yùn)算損耗由兩個(gè)部分構(gòu)成：一是測(cè)地線計(jì)算，復(fù)雜度為22O(Kmlogm+Nm)，其中K為數(shù)據(jù)的鄰近點(diǎn)個(gè)數(shù)，N為特征數(shù)據(jù)的維度：二是矩陣轉(zhuǎn)換運(yùn)算與特征值求解運(yùn)算，復(fù)雜度為3O(m)，前期模型學(xué)習(xí)計(jì)算復(fù)雜度為2O(Kmlogm+23Nm+m)，后期運(yùn)算輸出為O(n)，總的計(jì)算量為223O(Kmlogm+Nm+m+n)。綜上分析算法損耗量集中在前期的

壞┭?俺曬Γ?恍杞?鹿收現(xiàn)苯喲??已有的模型中進(jìn)行后期的輸出運(yùn)算，前期運(yùn)算不會(huì)給后期運(yùn)算造成影響，由于后期運(yùn)算為O(n)線性運(yùn)算，所以模型可以在線診斷故障。在前期模型學(xué)習(xí)中流行算法和非流行算法都與樣本數(shù)立方成正比，計(jì)算量損耗都比較大，為進(jìn)一步減小運(yùn)算損耗，本文在前期實(shí)際模型學(xué)習(xí)中采用基于小樣本的流行學(xué)習(xí)疊加Hebbian規(guī)則提取數(shù)據(jù)，其中小樣本數(shù)目為c(cm)。將前期的計(jì)算復(fù)雜度降為O(cmN)，實(shí)現(xiàn)模型快速增量式學(xué)習(xí)。計(jì)算量對(duì)比仿真結(jié)果如圖3所示。圖3算法計(jì)算量分析Fig.3Computationanalysisofalgorithm圖3中一共三條曲線，藍(lán)色代表采用非流行的算法運(yùn)算量分析，紅色代表采用直接流行學(xué)習(xí)方法分析，綠色曲線代表采用流行學(xué)習(xí)疊加Hebbian規(guī)則方法分析。三條曲線的運(yùn)算時(shí)間都隨著樣本數(shù)目的增加而增加，在樣本維度較小時(shí)，兩種流行學(xué)習(xí)運(yùn)算時(shí)間(直接和疊加Hebbian規(guī)則方法)都高于非流行學(xué)習(xí)，其中流行學(xué)習(xí)方法最高；當(dāng)樣本維度較大時(shí)，兩種流行學(xué)習(xí)運(yùn)算時(shí)間都低于非流行學(xué)習(xí)算法，而疊加Hebbian規(guī)則的流行學(xué)習(xí)，運(yùn)算量是三者中最小的。智能電網(wǎng)發(fā)生故障時(shí)動(dòng)態(tài)事件窗在SCADA系統(tǒng)中會(huì)將故障前斷面信息和故障斷面信息一起組合成故障信息，為高維數(shù)據(jù)，所以流行學(xué)習(xí)與非流行學(xué)習(xí)相比在應(yīng)用于智能電網(wǎng)信息提取時(shí)所需運(yùn)算量更少，而基于小樣本的流行學(xué)習(xí)疊加Hebbian規(guī)則在前期提取時(shí)，能進(jìn)一步縮減運(yùn)行量至O(cmN)，所以運(yùn)算總量是三個(gè)方法中最優(yōu)的，且適應(yīng)于智能電網(wǎng)故障特征提齲

【參考文獻(xiàn)】：
期刊論文
[1]一種線性的在線AUC優(yōu)化方法[J]. 朱真峰,翟艷祥,葉陽(yáng)東.  計(jì)算機(jī)研究與發(fā)展. 2018(12)
[2]基于電壓振幅和支持向量回歸機(jī)的高壓電力輸電線故障定位[J]. 費(fèi)春國(guó),李春信.  電力系統(tǒng)保護(hù)與控制. 2018(13)
[3]一種適用于MMC-HVDC直流輸電線路的保護(hù)新原理[J]. 高淑萍,胡振宇,張保會(huì),宋國(guó)兵.  電力系統(tǒng)保護(hù)與控制. 2018(13)
[4]基于高斯核函數(shù)改進(jìn)的電力用戶用電數(shù)據(jù)離群點(diǎn)檢測(cè)方法[J]. 孫毅,李世豪,崔燦,李彬,陳宋宋,崔高穎.  電網(wǎng)技術(shù). 2018(05)
[5]基于壓縮感知估計(jì)行波自然頻率的輸電線路故障定位方法研究[J]. 于華楠,馬聰聰,王鶴.  電工技術(shù)學(xué)報(bào). 2017(23)
[6]高斯核函數(shù)快速插值的頭發(fā)實(shí)時(shí)仿真與渲染[J]. 張駢,侯進(jìn).  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(02)
[7]基于分布參數(shù)模型的串聯(lián)補(bǔ)償雙回線單線故障定位算法[J]. 張瑩,梁軍,贠志皓,張峰,霍爽,王鵬.  電力系統(tǒng)自動(dòng)化. 2017(01)
[8]特高壓交流和直流輸電系統(tǒng)可靠性與經(jīng)濟(jì)性比較[J]. 彭呂斌,何劍,謝開(kāi)貴,湯涌,胡博,易俊,李江山,賀慶.  電網(wǎng)技術(shù). 2017(04)
[9]復(fù)雜輸電網(wǎng)中基于全網(wǎng)行波信息的測(cè)距裝置最優(yōu)配置[J]. 梁睿,徐成,王飛,程真何,沈興來(lái).  電工技術(shù)學(xué)報(bào). 2016(21)
[10]基于重要度評(píng)價(jià)矩陣的電網(wǎng)關(guān)鍵節(jié)點(diǎn)辨識(shí)[J]. 朱國(guó)威,王先培,賀瑞娟,田猛,代蕩蕩,張其林.  高電壓技術(shù). 2016(10)



本文編號(hào)：3451848