CN104198890A - 中低压配电网小电流接地智能选线*** - Google Patents

Abstract

本发明公开了一种中低压配电网小电流接地智能选线***，包括单片机、零序电压互感器、启动控制模块、零序电流互感器、CAN总线，电压互感器与母线和启动控制模块连接，启动控制模块与CAN总线连接，CAN总线分别与高速采集模块、数据处理模块、决策控制模块、故障线路断路器跳闸模块、上位机、电源、单片机连接，数据处理模块包含小波变换网络和SOFNN模糊神经网络模型，启动控制模块包含傅里叶分析***和用于电压比较的软件编程，将小波变换网络和改进的SOFNN模糊神经网络模型结合，利用小波的时频局部性提取暂态故障电流中的故障特征，再通过SOFNN神经网络的训练实现故障线路的识别，有效地提高了选线的准确性和可靠性。

Description

中低压配电网小电流接地智能选线***

 技术领域：

本发明涉及一种智能选线***，特别是涉及一种中低压配电网小电流接地智能选线***。

背景技术：

小电流接地***包括中性点经电高阻地***，中性点不接地***以及中性点经消弧线圈接地***。小电流接地***的故障选线是一个长久以来没能得到很好解决的问题。在国内外已经研制出的选线装置中，采用的保护原理主要有：幅值法、相位法、群体比幅比相法、五次谐波法、首半波法等，其中基于稳态信号的选线方法中，由于消弧线圈的补偿作用，接地点的残流较小，使得故障线路与非故障线路的稳态特征趋于一致，另外，实际***中的故障常常是瞬间电弧性接地故障，这也使得基于稳态信号的选线方法不理想，常常出现误判。近年来的研究热点主要是利用暂态信号来构造选线方法，避免了中性点运行方式的影响，对于短暂性接地故障具有很好的选线效果。小波变换具有良好的时频局部性,并且随着分析信号频率的变化自适应地调节其时频窗的形状,是暂态信号的理想分析工具。神经网络不依赖精确的数学模型, 通过样本训练能够记忆和联想网络输入向量和输出向量的关系，从而逼近任意非线性函数。为了提高单相接地故障的选线精确度和稳定性,考虑利用故障产生的暂态信号提供的故障特征,作为判断故障线路的依据。

发明内容：

本发明所要解决的技术问题是：克服现有技术的不足，提供一种简单实用，采用小波变换网络和SOFNN模糊神经网络模型，并能够快速、有效的区分单相接地后的故障线路和非故障线路，提高选线的可靠性和误判率的一种中低压配电网小电流接地智能选线***。

本发明为解决技术问题所采取的技术方案是：一种中低压配电网小电流接地智能选线***，包括单片机、零序电压互感器、启动控制模块、零序电流互感器、CAN总线，其特征是：所述电压互感器与母线和启动控制模块连接，所述启动控制模块与CAN总线连接，所述CAN总线分别与高速采集模块、数据处理模块、决策控制模块、故障线路断路器跳闸模块、上位机、电源、单片机连接，所述数据处理模块包含小波变换网络和SOFNN模糊神经网络模型，所述启动控制模块包含傅里叶分析***和用于电压比较的软件编程。 

所述电流互感器通过无线传输装置与高速采集模块连接，高速采集模块与决策控制模块连接，决策控制模块与故障线路断路器连接，故障线路断路器与上位机连接。 

所述电压互感器为零序电压互感器，所述电流互感器为零序电流互感器。所述上位机包含键盘和显示器。 

本发明的有益效果是： 

1、本发明将复小波分析理论和改进的自组织模糊神经网络模型结合，利用小波的时频局部性提取暂态故障电流中的故障特征, 再通过SOFNN模糊神经网络的训练实现故障线路的识别, 有效地提高了选线的准确性和可靠性。

2、本发明引入小波变换网络，小波变换具有良好的时频局部性,并且随着分析信号频率高低的变化自适应地调节其时频窗的形状,被认为是暂态信号的理想分析工具，其中复小波分解在平移特性、方向特性以及相位信息反映程度优于实小波，提高了选线的可靠性。 

3、本发明还引入SOFNN模糊神经网络模型，SOFNN模糊神经网络具有不依赖精确的数学模型, 通过样本学习训练能够记忆、推理和联想网络输入向量和输出向量的关系从而逼近任意非线性函数和泛化的功能，其中SOFNN模糊神经网络模型具有准确度高、模型复杂程度低以及抗干扰性强的优点，提高了选线的准确性。 

4、本发明在线实时采集中性点零序电压，并送入启动控制模块，若输入的零序电压大于额定值，则控制高速采集模块进行各线路零序电流信号同步采集，并在高速采集模块存储此时刻后一个半周期的零序电流暂态信号。 

5、本发明的液晶显示器和键盘可以输出控制结点操作跳闸或者提供报警指示供用户查看，并可以提供故障波形，可以实现故障追忆，波形回放。 

附图说明：

图1为中低压配电网小电流接地智能选线***的原理图。

图2为中低压配电网小电流接地智能选线***运行流程图。 

具体实施方式：

实施例：参见图1和图2。

一种中低压配电网小电流接地智能选线***：包括单片机、零序电压互感器、启动控制模块、零序电流互感器、CAN总线，电压互感器与母线和启动控制模块连接，启动控制模块与CAN总线连接，CAN总线分别与高速采集模块、数据处理模块、决策控制模块、故障线路断路器跳闸模块、上位机、电源、单片机连接，数据处理模块包含小波变换和SOFNN模糊神经网络，启动控制模块包含傅里叶分析***和用于电压比较的软件编程。 

电流互感器通过无线传输装置与高速采集模块连接，高速采集模块与决策控制模块连接，决策控制模块与故障线路断路器连接，故障线路断路器与上位机连接。 

电压互感器为零序电压互感器，电流互感器为零序电流互感器，上位机包含键盘和显示器。 

电压互感器：用于检测***出现的零序电压，其提供的开口电压是启动控制模块2的输入信号，作为选线装置启动依据。 

启动控制模块：包含傅里叶分析***和用于电压比较的软件编程，若输入的零序电压大于阀值，则由该模块控制高速采集模块进行各线路零序电流信号同步采集。 

电流互感器：用于检测每条线路的零序电流信号，用于高速采集模块的输入；采用HS-LXK系列单匝穿心式电流互感器。 

高速信号采集模块：用于采集故障后各线路1-2个周期的暂态零序电流信号以及完成AD转换功能，受启动控制模块的控制，作为数据处理模块的输入信号；该模块包含有存储器，可存储各采样通道的数据，用于故障录波分析。 

数据处理模块：包含有一个小波变换工具箱，用于得到零序电压和各线路零序电流暂态信号复小波变换系数的幅值和相位，考虑实际应用对频域局部性要求高,对于10KV配电网，选择Morlet复小波Cmor-0.1进行5层分解较为理想，本模块还含有一个SOFNN模糊神经网络模型，在确定输入层、EBF层、归一化层、权值层以及输出层的有效神经元个数的基础上，利用最小二乘法估计权值参数，选取该配电网原始故障数据组成训练样本，当SOFNN模糊神经网络模型输出的误差小于0.1%结束训练，最后将本次故障各线路的零序暂态信号的模极大值的幅值和极性作为SOFNN神经网络模型的输入向量，输出向量代表各条线路以及母线的选线结果，用于决策控制模块的输入信号。 

决策控制模块：一方面用于比较各条线路以及母线的相应RBF网络输出值大小，从而确定故障线路号或者母线故障，即当某一线路对应的网络输出大于其他线路的输出时，该线路为故障线路，当母线对应的输出大于各线路相应的输出时，判定为母线故障，另一方面，根据判定结果，与上位机配合实现故障线路的跳闸和提供报警。 

使用时，电压互感器采集中性点零序电压，作为启动控制装置的输入，经傅里叶分析***FFT分析后，判断当前零序电压是否达到标准额定值，若没达到则继续进行实时电压检测，如果达到则启动高速采集模块对各线路1~2周期零序电流暂态信号和零序电压信号同步采集，完成AD转换，数据处理模块对采集到的暂态零序信号进行复小波分解，提取各个暂态信号小波变换系数的幅值和相位，根据这些幅值和相位求得各条线路的零序暂态电流幅值范数、零序暂态峰值功率的大小和方向、零序暂态能量，并作归一化处理后，输入到SOFNN神经网络模型中，利用经过样本训练的SOFNN神经网络模型进行选线识别，决策控制模块通过对复小波分解和SOFNN神经网络模型产生的数据进行处理比较，确定故障线路，向上位机传送故障报文，发出报警信息，并与上位机配合选择性跳闸。 

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。 

Claims (4)

1.一种中低压配电网小电流接地智能选线***，包括单片机、零序电压互感器、启动控制模块、零序电流互感器、CAN总线，其特征是：所述电压互感器与母线和启动控制模块连接，所述启动控制模块与CAN总线连接，所述CAN总线分别与高速采集模块、数据处理模块、决策控制模块、故障线路断路器跳闸模块、上位机、电源、单片机连接，所述数据处理模块包含小波变换网络和SOFNN模糊神经网络模型，所述启动控制模块包含傅里叶分析***和用于电压比较的软件编程。

2.根据权利要求1所述的中低压配电网小电流接地智能选线***，其特征是：所述电流互感器通过无线传输装置与高速采集模块连接，高速采集模块与决策控制模块连接，决策控制模块与故障线路断路器连接，故障线路断路器与上位机连接。

3.根据权利要求1所述的中低压配电网小电流接地智能选线***，其特征是：所述电压互感器为零序电压互感器，所述电流互感器为零序电流互感器。

4.根据权利要求1所述的中低压配电网小电流接地智能选线***，其特征是：所述上位机包含键盘和显示器，小波变换网络包括小波变换和复小波分解。