本文建立基于四层神经网络的输电线路行波故障定位模型。输入层包括行波的小波分解信息，隐藏层采用‘Trainlm’和‘Logsig’函数，输出层直接给出故障位置。通过计算实际与计算故障位置的误差，测试结果显示了神经网络在故障测距中的有效性。
在文章基于行波的输电线路故障选相和故障测距中介绍了利用matlab仿真输电线路故障行波数据，并利用传统的计算方法进行故障定位。本文则是该模型的基础上利用神经网络进行输电线路行波故障定位。
四层神经网络
四层神经网络由输入层、两层隐藏层、输出层组成，其基本结构如下图所示：
输入层输入信息获取：
（1）小波分解行波，得到行波的高频故障变化信号（residual signal）
（2）从高频故障信号中提取神经网络输入信号，神经网络的输入信息由6部分组成：（双端故障测距）输电线路两端测得的行波的最大值、L1范数（1范数）、L2范数（2范数）
L1范数：
∥ x ∥ 1 = ∑ i = 1 n ∣ x i ∣ \left\|x\right\|_{1} =\sum_{i=1}^n|x_{i}| ∥x
最低0.47元/天 解锁文章
扫一扫
8541
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
