导　　师： 陈皓勇

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 多馈入直流输电系统在我国的快速发展虽然扩大了输电容量,但也使得输电系统变得复杂化,交直流系统间电气量的互相影响更为复杂,交流和直流故障都可能影响整个系统的稳定运行。这就对高压直流输电的故障诊断系统提出了更高的要求,有必要对直流输电系统故障时故障信号分析及故障诊断方法进行研究。由于直流输电系统故障后的暂态信号包含着大量的故障信息,因此如何分析并提取故障信号的暂态特征并将其应用于故障诊断就显得尤为重要。本文采用小波包(Wavelet Packet Decomposition,WPD)分析故障信号,结合广义回归神经网络(General Regression Neural Network,GRNN)形成一种故障诊断方法,并将其应用到直流线路接地故障测距和换相失败故障辨识中,取得了较好的结果。主要研究内容如下:1)理论分析了发生不同故障的暂态信号存在着差异,据此提出区分这两种故障的判据;在PSCAD中建立HVDC输电系统仿真模型,仿真分析发生这两种故障后信号的暂态变化,验证了区分判据的有效性。2)为了对直流线路故障进行准确定位,研究了基于WPD和GRNN的直流线路故障测距新方法。由于不同故障距离下行波频谱暂态能量差异较大,首先利用WPD进行故障信号预处理,提取故障暂态能量特征;然后利用GRNN拟合能量与距离的非线性关系实现HVDC输电线路故障测距。采用相同样本建立BPNN线路故障测距模型,比较两种模型的测距结果。3)为了准确地辨识换相失败故障及引起换相失败的原因,研究了基于WPD和GRNN的换相失败故障辨识新方法。首先利用WPD量化不同的故障信号特征,然后利用两种GRNN输出结构来辨识各种引发换相失败的故障,比较不同输出结构下的准确率。同时比较了GRNN与BPNN辨识模型在不同训练样本量下的结果,验证两种模型对不同训练样本的适应性。更多还原

关 键 词： 高压直流 换相失败 故障辨识 故障测距 信号分析 小波包分解 广义回归神经网络

领　　域： []