基于VMD-DE-ELM的同杆双回输电线路故障识别

摘要：

为了提升同杆双回输电线路的稳定性和准确性,通过对区内/外故障电压反行波变化规律进行分析,提出了一种基于变分模态分解和差分进化算法优化极限学习机(VMD-DE-ELM)的同杆双回输电线路区内/外故障识别新方法.首先对发生故障后两端的电压、电流进行相模变换;再利用VMD将故障后一段时窗内的电压反行波分解到5个尺度上;用特征提取对应尺度下的能量熵组成特征向量;最后针对区内/外故障样本具有不平衡性,通过使用SMOTE算法对区外样本进行扩充后,将特征向量集输入到DE-ELM分类器进行训练和测试.大量仿真结果表明:该方法在不同故障类型、不同过渡电阻、不同故障初始角以及不同故障位置情况下能有效实现区内外故障识别,且在CT饱和、噪声干扰等情况下也能较好识别区内外故障.

关键词：同杆双回、电压反行波、变分模态分解、SMOTE算法、差分进化算法优化极限学习机、故障识别

所属期刊栏目：36

分类号：TM75(输配电工程、电力网及电力系统)

资助基金：四川省科技厅项目;四川省科技厅项目;四川省科技厅项目;四川省科技厅项目;人工智能四川省重点实验室项目;四川理工学院四川省院士专家工作站项目

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：41-50