基于RBF神经网络的输电线路故障类型识别新方法

基于径向基函数（radialbasisfunction，RBF）神经网络理论，采用电流突变量比例系数，提出了一种对输电线路故障类型识别的新方法。利用PSCAD/EMTDC软件建立500kV高压输电线路仿真模型，仿真不同工况下的故障。由各相电流之差提取故障差流信号的突变量，并计算故障后一个周期内差流突变量的有效值，得到故障状态下各相差流突变量占三相差流突变量有效值总和的比例系数，结合零序电流判别系数构造故障类型识别特征向量,建立RBF神经网络进行故障类型识别。仿真结果表明，采用电流突变量比例系数作为特征量包含的信息更丰富，对RBF神经网络的训练效果更好，不受故障位置、故障初始角和过渡电阻等因素的影响，网络识别精度高。