分布式電源(Distributed Generation,DG)大量并網(wǎng)改變了配電網(wǎng)傳統(tǒng)的單電源、輻射型網(wǎng)絡拓撲結構,使其發(fā)展成為潮流雙向流動的新型配電系統(tǒng),導致傳統(tǒng)的配電網(wǎng)故障定位算法失效,給基于配電自動化的各種故障定位算法帶來了新的挑戰(zhàn)。本文針對含分布式電源中壓配電網(wǎng)的特點,提出基于神經(jīng)網(wǎng)絡的配網(wǎng)故障測距方法,并基于此進一步提出基于兩層多代理系統(tǒng)的含分布式電源中壓配電網(wǎng)故障定位新方法,利用所提方法對實際配電網(wǎng)進行建模和驗證,具體工作如下:(1)本文考慮測距誤差以及配網(wǎng)多分支的影響,將各電源點故障特征量輸入RBF神經(jīng)網(wǎng)絡進行建模,從而得到基于不同電源點的多個故障測距結果;考慮過渡電阻的影響,將過渡電阻加入RBF神經(jīng)網(wǎng)絡的輸出特征向量進行故障測距。以IEEE 33節(jié)點典型配電系統(tǒng)為例進行仿真分析,仿真結果表明,將分布式電源電氣量引入RBF故障測距神經(jīng)網(wǎng)絡模型的輸入層能夠顯著提高模型的測距精度,短路過渡電阻引入RBF故障測距神經(jīng)網(wǎng)絡模型的輸出層能有效削弱過渡電阻對故障測距結果的負面影響,顯著提高神經(jīng)網(wǎng)絡模型的故障測距精度。(2)針對多分支、多節(jié)點復雜配電網(wǎng)所呈現(xiàn)出的越來越明顯的分布式特性... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

圖２－丨Ｍ－Ｐ神經(jīng)元模型??

?山東大學碩士學位論文???圖２－２典型分層神經(jīng)網(wǎng)絡??如圖２－２所示：ｎｎ為外界給神經(jīng)網(wǎng)絡的輸入信息，神經(jīng)網(wǎng)絡向外??界輸出的結果。輸入層負貴接收外界的輸入信息ｘｐａ，并傳遞給中間各隱含層??神經(jīng)元。隱含層可設計為一層或多層，它是神經(jīng)網(wǎng)絡的內(nèi)部信息處理層，負責??信息的變換。再由隱含層傳遞到輸出層，各神經(jīng)元的信息經(jīng)進一步處理后，由??輸出層向外界輸出結果：??ＲＢＦ神經(jīng)網(wǎng)絡是一種具有單隱層的三層前饋網(wǎng)絡，主要用于數(shù)據(jù)分類、模??式識別、時間序列分析等方面。ＲＢＦ神經(jīng)網(wǎng)絡具有唯一最佳逼近的特性，且無??局部極小問題，可映射任意復雜的非線性關系，并且理論證明在前向網(wǎng)絡中ＲＢＦ??網(wǎng)絡是完成映射功能的最優(yōu)網(wǎng)絡。該網(wǎng)絡學習規(guī)則簡單，便于計算機實現(xiàn)，學??習過程收斂速度快，具有很強的魯棒性、記憶能力、非線性映射能力以及強大??的自學習能力，因此具有很大的應用市常綜上，根據(jù)常用神經(jīng)網(wǎng)絡優(yōu)缺點及??適用問題的不同，本文選取具有唯一最佳逼近特性、無局部極小問題、可映射??任意復雜非線性關系的ＲＢＦ神經(jīng)網(wǎng)絡來實現(xiàn)含ＤＧ中壓配電網(wǎng)的故障測距。??２．２?ＲＢＦ神經(jīng)網(wǎng)絡基本模型??徑向基函數(shù)（Ｒａｄｉａｌ?Ｂａｓｉｓ?Ｆｕｎｃｔｉｏｎ，ＲＢＦ）是多維空間插值技術，１９８５年??由Ｐｏｗｅ丨丨首先提出。Ｂｒｏｏｍｈｅａｄ和Ｌｏｗｅ于１９８８年將ＲＢＦ引入神經(jīng)網(wǎng)絡設計??之中１５４］。之后，Ｊａｃｋｓｏｎ又論證了?ＲＢＦ神經(jīng)網(wǎng)絡對非線性函數(shù)的一致逼近性能。??ＲＢＦ神經(jīng)網(wǎng)絡基本思想：用ＲＢＦ作為隱單元的“基”，構成隱含層空間，隱含??層對輸入矢量進行變換，將低維的模式輸入數(shù)據(jù)變換到高維空間內(nèi)，使在低維??空間內(nèi)的線性不可分的問題在

?山東大學碩士學位論文???潔而且學習收斂速度快的優(yōu)點能逼近任意非線性函數(shù)Ｍ，不存在局部最優(yōu)??問題。因此，它被廣泛應用于時間序列分析、信道均衡、圖像處理、模式識別??和非線性控制等領域［５７＿５８］。如下圖２－３所示，ＲＢＦ神經(jīng)網(wǎng)絡屬于三層的網(wǎng)絡類??型，第一層是由信號源點組成的輸入層，第二層是隱含層，第三層是輸出層。??輸入層?隱含層?輸出層??圖２－３?ＲＢＦ神經(jīng)網(wǎng)絡基本模型??ＲＢＦ神經(jīng)網(wǎng)絡輸入層由特征輸入量構成，輸入層神經(jīng)元將特征輸入量傳遞??到隱含層神經(jīng)元，不對信號做任何處理。輸入層神經(jīng)元個數(shù)等于特征輸入量個??數(shù)。??ＲＢＦ神經(jīng)網(wǎng)絡隱含層采用徑向基函數(shù)作為激活函數(shù)，是一種非線性映射，??通常具有較多的神經(jīng)元個數(shù)，完成從輸入空間到隱層空間的非線性變換。ＲＢＦ??神經(jīng)網(wǎng)絡的隱含層常用激活函數(shù)有高斯函數(shù)、薄板樣條函數(shù)、逆多二次函數(shù)等。??高斯函數(shù)、薄板樣條函數(shù)以及逆多二次函數(shù)的表達式分別如下式（２－２）、（２－３）與??（２－４）所示。??上??（ｐ（ｒ）＝ｅ?＾?０－２）??（ｐ｛ｒ）?＝?ｒ２＼ｎ｛ｒ）?（２－３）??」??爐（，卜以＋＾２）?２?（２－４）??其中，ｒ表示歐氏范數(shù)，ａ為徑向基函數(shù)的寬度。??１０??

【參考文獻】：
期刊論文
[1]基于距離矩陣與分支系數(shù)的配電網(wǎng)故障定位方法[J]. 謝李為,李勇,羅隆福,陳春,曹一家.  中國電機工程學報. 2020(07)
[2]電網(wǎng)轉型背景下地市級智能電網(wǎng)示范區(qū)規(guī)劃研究[J]. 唐小璐,趙偉然,古含,何鑫.  電力大數(shù)據(jù). 2020(02)
[3]配網(wǎng)自動化故障定位問題的研究及應用[J]. 劉玉寶.  通信電源技術. 2019(12)
[4]泛在電力物聯(lián)網(wǎng)釋義與研究展望[J]. 楊挺,翟峰,趙英杰,盆海波.  電力系統(tǒng)自動化. 2019(13)
[5]基于多代理技術的有源配電網(wǎng)供電恢復策略[J]. 董志輝,林凌雪,管霖,陳恒安,梁倩儀.  電力自動化設備. 2019(05)
[6]基于多代理系統(tǒng)的主動配電網(wǎng)電壓協(xié)調(diào)控制[J]. 岳超,朱旭,李鑫,祁秋民.  科技資訊. 2019(08)
[7]配電網(wǎng)接地故障原因分析及處理方法[J]. 翟潤強.  科技創(chuàng)新與應用. 2019(03)
[8]配電網(wǎng)故障定位技術發(fā)展現(xiàn)狀及展望[J]. 梁睿,孟祥震,周魯天,彭楠.  電力工程技術. 2018(06)
[9]配電網(wǎng)故障定位容錯算法[J]. 王艷松,宗雪瑩,衣京波.  電力自動化設備. 2018(04)
[10]配電網(wǎng)故障區(qū)間定位矩陣算法分析[J]. 張名捷.  中國電力企業(yè)管理. 2018(09)

博士論文
[1]電力線路在線巡視監(jiān)測及故障精確定位的研究[D]. 唐金銳.華中科技大學 2014

碩士論文
[1]基于多測點信息的中壓配電線路故障定位方法研究[D]. 李依琳.華中科技大學 2019
[2]復雜配電網(wǎng)單相接地故障選線方法研究[D]. 劉學超.中國礦業(yè)大學 2019
[3]含分布式電源的配電網(wǎng)故障定位[D]. 劉偉.安徽理工大學 2018
[4]基于行波原理的配電網(wǎng)故障選線與定位方法[D]. 馮志翔.華中科技大學 2018
[5]基于BP神經(jīng)網(wǎng)絡的配網(wǎng)設備故障預測[D]. 陳哲.廣東工業(yè)大學 2017
[6]含分布式電源的配電網(wǎng)故障定位研究[D]. 王一非.太原理工大學 2017
[7]基于人工蜂群算法的配電網(wǎng)故障定位[D]. 曾紅梅.湖南大學 2014
[8]配電網(wǎng)行波故障測距的研究[D]. 智秀霞.華北電力大學（河北） 2009



本文編號：2940990