基于機器學習的小電流接地系統(tǒng)單相接地故障選線.pdf

1、小電流接地系統(tǒng)的單相接地故障選線一直是繼電保護領域研究的難點。由于單個選線方法具有局限性,并且單相接地故障復雜多變,所以導致故障選線準確率較低。為了提高選線的精度,利用信息融合技術將多個單一選線方法進行融合已經成為未來研究的趨勢。信息融合技術的關鍵問題是樣本數據的處理,已有的算法在處理選線樣本數據上普遍存在樣本數據量大、維數災難和經驗風險高的缺陷。
　　本文首先對現有的單一選線方法進行了仿真驗證,分析各種方法的應用范圍。其中,為了

2、提高暫態(tài)選線方法的準確性,提出了一種基于希爾伯特—黃變換的選線方法,該法不受干擾信號的影響,能夠將暫態(tài)信號各頻段中的特征分量依次分解出來,并且可以準確地反映暫態(tài)信號的特點,通過驗證表明該方法具有很強的提取暫態(tài)信號故障特征的能力。
　　其次,在建立故障測度階段,本文利用信息增益度建立方法故障測度,該方法不僅給出了單一選線方法的權重,而且強化了線路內部數據。在此基礎上,深入分析了故障測度樣本的特點以及難點,得出了選線樣本是一個維數高、

3、不均衡、分布復雜的數據集。
　　再次,針對選線樣本的特點,利用主成分分析法降低選線樣本的維數,為了更好地降低樣本的不均衡性,提出了新的采樣法——網狀分布采樣法和領域SMOTE采樣法。通過分析可知,當樣本數據降低為兩維以及故障線與非故障線之間的比為1:3或1:3.5時,不僅使得樣本分布均勻,時間開銷少,而且提高了選線精度。
　　最后,本文提出了一種ADABOOST算法和核函數的分類器相融合的算法,該算法同時具有級聯和并聯處理樣