低压系统短路故障建模及电流预测技术

短路电流峰值对低压系统选择性保护及其断路器可靠分断十分重要,迄今尚缺乏深入研究。利用短路故障早期检测技术,在仿真分析短路故障早期参数的基础上,采用灰度关联度,得出对短路电流峰值的主要影响因素,并采用极端学习机(ELM)实现短路电流峰值的预测。仿真结果表明,灰色关联度可有效辨识短路电流主要因素,降低了短路电流预测特征变量维数。基于短路故障早期检测及极端学习机的短路电流预测方法,具有鲁棒性强且精度高的特点,为低压选择性保护技术的实现奠定基础。

基于二维云模型的短路电流峰值预测

短路电流峰值预测对低压系统选择性保护的实现至关重要,目前仍缺乏深入研究。利用短路故障早期检测技术,建立了低压系统单相短路故障仿真模型。获取全相角范围短路故障电流波形,并分析不同相角下短路电流峰值的特点。通过短路故障电流历史数据,构建基于条件云发生器的预测规则,从而建立基于二维云的短路电流峰值预测模型。实验结果表明,基于二维云模型的短路电流预测方法能够准确预测出短路故障电流峰值,为低压选择性保护技术的实现奠定基础。