基于小波神经网络的输电线路故障类型识别

电力系统故障类型识别是对电力系统故障进行快速准确处理的重要保证。本文所提出的故障类型识别技术是基于150km双端电气量输电线路准确故障的数字仿真，根据故障前后所测的三相电流和零序电流数据，利用db1小波对数据分解，将低频部分归一化处理后，用过渡电阻Rs=5Ω，100km处的样本来训练网络，再利用BP神经网络来判断50km和150km处接地过渡电阻Rs=10Ω，相间过渡电阻Rr=0．2Ω时的10种短路故障类型，均没有发生误判。从网络的训练和检测结果可以看出，小波神经网络训练时收敛速度较快，并且检测故障速度和准确度都很高。这说明，小波神经网络能够满足现代电力系统的要求，为以后的故障定位和诊断工作打下了良好的基础。