基于时变时滞模糊双曲神经网络的配电网故障定位方法的研究

邱力伟,关焕新，刘明威

(1.沈阳工程学院，辽宁 沈阳 110136；2.国网沈阳供电公司，辽宁 沈阳 110003)

不断深入的电网建设加速了电网大规模区域性互联的发展趋势，但也促使电网连锁性故障[1]发生的概率增大，对电力系统造成严重威胁。连锁性故障大多由较小的故障引发，如某一继电保护装置的拒动或误动、某段线路短路等，而电网的大规模互联使微小的故障不断传播并加剧，最终导致电网的连锁性故障，发生大规模停电事故。据统计，超过85%的连锁性故障是由于未能及时确定配电网故障区域造成的[2]，因此，提高配电网的故障定位技术显得尤为重要。配电网故障从发生到传播扩大的时间极为短暂，小型故障几秒内就可能发展为连锁性故障，并且故障具有时变性特征，使配电网快速故障定位的难度剧增。

人工神经网络(Artificial Neural Networks,ANN)因其自组织、自适应和自学习的特点被广泛应用于各个领域，在配电网故障诊断的应用中也发挥着越来越大的作用，大量专家学者对此进行了相关研究。2005年毕天姝[3]等提出将正交最小二乘算法扩展用于优化径向基函数神经网络参数，并将得到的新型径向基函数神经网络成功应用于配电网故障诊断问题。但是，该方法的诊断速度一般，并未考虑故障特征的时变性；2008年刘超[4]等人提出运用量子神经网络进行配电网故障定位的算法，借鉴量子力学的相关概念，不断更新各层神经元的连接权以及隐含层各神经元的量子间隔，达到提高故障定位容错性的目的。……