基于变模态分解的自适应遗传算法下输电网故障测距与故障辨识策略仿真

作者：钟臻; 张楷旋

来源：电力大数据, 2022, 25(10): 62-68.

DOI：10.19317/j.cnki.1008-083x.2022.10.005

• variational mode decomposition
• 自适应遗传算法
• 输电网
• 故障测距
• 故障辨识

现有输电网故障测距分成基于线路参数测距和行波测距。由于线路参数受气候和运行工况影响较大，故依此原理的故障测距精度不高。行波测距方法受波速不确定性的影响，精度也不高，且EMD算法中的模态混叠现象和端点效应难以消除。本文提出基于变模态分解的自适应遗传算法，对故障电流分解本征模态函数，计算暂态高频相关系数和暂态高频能量系数用于故障类型辨识。本文设置自适应遗传算子，弥补了普通遗传算法由于交叉概率和变异概率取作常数而可能导致其收敛在局部最优的缺点，通过自适应遗传算法对模态分量进行编译、交叉、选择操作。当达到收敛条件或者测距收敛时，输出测距结果和故障辨识。最后PSCAD建立三机九节点模型仿真验证，基于变模态分解和自适应遗传算法测距准确精度在99%以上，能正确输出故障类型。