基于PSO-DBN的高压直流输电线路故障测距研究  

作　　者：李梅[1] 韦四临 

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001

出　　处：《绥化学院学报》2025年第3期147-150,共4页Journal of Suihua University

基　　金：安徽省高校自然科学研究项目“高渗透率的新型配电系统故障特性与保护边界研究”(KJ2021A0471)。

摘　　要：针对传统神经网络算法用于高压直流输电线路接地故障中存在的不足,提出了一种基于小波包分解结合粒子群(PSO)算法优化深度信念网络(DBN)的故障测距算法模型。利用DBN拟合逼近故障能量与距离之间的非线性关系,采用PSO算法对DBN的权值进行优化。通过小波包分解算法提取故障暂态电压中的频谱能量,并将其用于训练深度信念网络,形成PSODBN故障测距模型。仿真实验与数据处理的结果显示,所提出的方法可将测距精度控制在0.2%以内,耐过渡电阻能力强,相比于其他算法具有更高的鲁棒性。

关 键 词：小波包分解 固有频率 深度信念网络 故障测距 粒子群优化算法 

分 类 号：TM25[一般工业技术—材料科学与工程]