基于神经网络的高压输电线路故障诊断研究

黄海生

【摘  要】输电线路建设为推动社会经济发展发挥着重要作用，对输电线路的故障检测也是工作的重中之重。如今，在原有的高压输电线路检测的基础上，又提出一种全新的检测方法，就是基于神经网络的高压输电线路故障检测。这种检测系统的研究目标是10KV的架空输电线路。本文在电力系统故障检测的现状基础上，分析和探讨基于神经网络的故障检测系统。

【关键词】输电线路;检测方法;神经网络

诊断高压输电线路故障的系统在实际的运行过程中，可以完全当作一种实时信息处理系统。它的工作原理就是以故障发生的环境作为基础，进行数据信息分析，对出现故障的各种原因和设备部件进行判断。高压线路时输电设备的重要组成部分，对其进行准确科学检测有着十分重要的意义。现有的线路故障检测技术在实际的使用中不能够适应于35千瓦以下的复杂输电线路结构，于是基于神经网络的输电线路检测系统应运而生。

1.输电线路故障检测的现状

目前，对高压线路进行故障检测方法还是比较多的，最常用的就是距离保护法、电流监测法故障录波器法和行波数据分析方法。

1.1 输电线路检测的距离保护法

距离保护法在这几个方法中是最比较简单的，所需要的设备成本投入也不高。可是当输电线路出现故障的时候，过渡电阻不能够实现Rx=0Ω，并且还会被输电线路的施工工艺和到点电阻率p的均匀程度等多种干扰因素影响，最后导致了在故障距離之间的计算数值差距过大。除此以外，如果高压输电线路中出现比较多的线路分支和用电设施的时候，对于故障位置的计算更会增加难度。

1.2 输电线路检测的电流监测法

电流监测法是对在相线中出现的电流总和和不同相线的电流最高峰值进行监测，从而确定监测的设备是够出现了故障。电流监测法在使用过程中也是拥有比较小的投资，并且在安装的时候也是很方便简单。可是，输电线路在运行当中若是出现较小的接地电流或者是短路电流，是不会被检测出来的，更不会有任何的故障提醒，设备检测则失效。检测设备失效不止这一种原因，还可能会因为线路的负荷波动比较大，这样也会增加失效的概率。监测设备对于监测出来的故障只是停留在大概的区域，并不能够完全的定位故障位置。

1.3 输电线路检测的故障录波器法和行波数据分析法

这两种方法的使用主要是通过将数据监测设备安装在高压输电线路的开始一端，原理便是对输电线路的正常运行与否进行判断，比对输电线路中出现的各项数据是否与标准数据一致，再通过相关的算法分析和判断，找出故障发生的具体位置，并给予及时的通知。这个方案所适用的输电线路一般的在220KV及以上的高压线路或者是超高压线路当中。当有分支或者是有用电设备接入到输电线路当中，各项电气参数就会呈现出动态变化，在数据分析和处理的时候就会增加困难度，导致监测出来的误差变大。

一言以蔽之，这些方法都适合在高压或者是超高压输电线路中使用，而且具有严格的要求，如不能够线路分支接入，也不能有用电设备接入，保持输电线路的简易结构。对35千瓦以下的输电线路监测并没有一种科学有效的故障监测方法。

2.基于神经网络的输电线路故障监测系统分析

2.1 基于神经网络的输电线路故障监测系统的组成

基于神经网络的输电线路故障监测硬件系统组成较为简易，大体上分为三个部分。输电线路故障监测系统的中枢就是控制中心，它对于监测系统相当于大脑对于人体，主要功能就是负责对输电线路中的各项数据信息进行分析处理，并且保存好各项数据结果。数据采集设备的安装位置一般是在输电线路的开头一端或者是末尾一端，以及输电设备中的分支线路和用电设备的接入处，在故障多发位置等地方也可以安装，安装位置比较灵活。数据采集设备的线路参数采集频率一般维持在10ms，它会将采集到的电流信息、电阻信息、电压信息以及电感信息和电容信息及时保存到存储器中。通信设备的作用是完成指令和数据信息交换，主要信息载体就是控制中心和数据采集设备，通信设备利用的方式就是载波通信。

控制中心会受到数据采集设备三种方式的数据传输，第一种就是指令方式，数据采集设备会依据控制中心的指令要求向控制中心提供输电线路中的各项数据参数。第二种就是定时方式，设定好一定的时间，控制中心就会接受到来自数据采集设备的数据参数。第三种就是报告的方式，在输电线路中会是不是的出现一些超出预设的参数数据波动值，当监测设备监测到这种问题的时候，就会将数据通过通信设备储存到数据采集设备中，再由数据采集设备将这些数据参数传输给控制中心。

2.2 基于神经网络的输电线路故障监测系统的工作原理

在基于神经网络的输电线路故障监测系统中，采集数据信息的设备是根据实际情况进行安装设计的，它的区域分布特点比较随意。不同参数在输电线路上的实际分布而绘制的曲线可以通过数据插值来进行恢复。与此同时，输电线路所涉及到的电流信息、电阻信息、电压信息以及电感信息和电容信息所呈现出来的是光滑连续的曲线，由此可以通过B样条为基础的插值函数来近似性的取代电流信息、电阻信息、电压信息以及电感信息和电容信息参数的分布函数。

分析小波变换信号可以从频域和时域两个角度进行，并且分析局部性信号相对比较准确。通过连续二进小波变换，充分利用周期延拓的方式将输电线路的电流信息、电阻信息、电压信息以及电感信息和电容信息分离出高频部分和低频部分，即分别对应不同参数的负荷波动状况分布函数、基本分布函数、环境因素干扰分布函数和脉冲类故障影响分布函数。

神经网络可以分为三层，数据信息的准确率会随着层数的降低而降低，即使是对训练的样本进行增加，也不能够将准确率提升。反之，当层数增加的时候，数据信息的准确率也会随之升高，但这时候就需要提供大量的训练样本以维持较高的准确率。在神经网络中，第一层的神经元有150个，这150个神经元的输入向量是256维，传输函数既线性函数。在第二层中，神经元已经达到了256个，这层的256个神经元的输入向量是150维，传输函数是对数-S型函数。在第三层中，神经元仅有2个，这2个神经元的输入向量为256维，传输函数一个是线性函数，另一个则是取整函数。

结束语

现如今的输电线路故障检测方法虽然比较多，但是在应用的过程中也同时出现了很多不适应性，特别是出现的误差相对比较高，对研究结果产生了很大影响。本文分析了现如今输电线路存在的方法问题，并同时研究了基于神经网络的高压输电线路故障诊断方法，通过对这种方法的初步认识，可以清晰的了解到是优于其他故障检测系统的。

参考文献：

[1]马立新，林家隽，肖川.电流突变抑制与智能化谐波检测系统[J].电力系统及其自动化学报，2017，（01）：53-57.

[2]李向新.基于神经网络和数学形态学的谐波检测方法研究[J].长沙理工大学，2016，（13）：51-52.

[3]陈珊珊.光伏系统ANN-LDWPSO谐波检测算法的研究[J].河南科技大学学报，2014，（06）：14-15.

[4]韩学军，焦子洋，李卓军.基于反馈型神经网络和MUSIC法的谐波检测研究[J].电测与仪表，2016，（10）：9-13.

[5]柴旭峥，文习山，关根志.一种高精度的电力系统谐波分析算法[J].中国电机工程学报，2016，（09）：67-70.

（作者单位：广州供电局有限公司输电管理二所）