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。

灰色BP神经网络模型在电力系统短路电流峰值预测中的应用

针对灰色预测模型在电力系统短路电流峰值预测中因数据迭代不合理而不能充分利用新的有效信息的问题,提出了一种适合电力系统的灰色BP神经网络动态预测模型.该模型通过引入动态的数据迭代模型,以最小相对误差为目标参数对传统灰色模型进行改进.通过Matlab/Simulink搭建电力系统短路故障模型进行仿真分析,获得不同初相角下电力系统短路时的电流数据;将短路电流、故障初相角、灰色模型预测结果和其相对残差作为BP神经网络的输入对改进的灰色模型进行训练,得到最终的短路电流峰值预测模型.验证实验表明,该模型能够快速、准确地预测短路电流峰值,适用于原始样本点少、非线性特征显著和随机性强的复杂系统.

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。

低压配电系统选择性保护短路电流峰值早期预测的算法研究

在短路故障早期诊断基础上,提出一种基于最小二乘法的低压配电系统短路电流峰值预测计算方法.该方法利用少量电流数据与故障电压初相角进行曲线拟合,可预测出短路电流发展趋势及峰值,使得通过实时在线预测短路电流峰值实现低压配电系统全局选择性保护成为可能.通过C语言编程与Matlab短路故障模型仿真,结果表明,峰值预测方法具有有效性,其精度高、程序运行速度快,且容易在硬件系统上实时实现.最后,给出利用峰值预测实现全局选择性保护方案,为开发具有短路故障早期诊断与选择性保护功能的智能断路器提供参考.