基于三序分量法和PNN的配电网不对称故障类型识别

针对配电网故障类型识别率低的问题,提出一种基于正、负、零三序分量和概率神经网络(PNN)的配电网故障类型识别方法。首先,利用Matlab软件对10 kV配电网发生各类不对称故障进行仿真,将产生的故障电流用对称分量法进行分解,然后得到有差异的正、负、零序电流;再用这3种分量作为特征量,代入PNN进行训练;最后,将现有的故障特征量输入训练完成且具有识别功能的PNN网络中,达到故障识别及分类的目的。仿真结果表明:在不同的故障合闸角、过渡电阻以及负荷有重大变化等情况下,三序分量法与负序分量法在区分单相接地、两相短路接地、两相相间短路等不对称故障时,前者区分准确度更高,对进行事故分析和故障选相等具有重要意义。