基于RBF-PINN的双端输电线路正序和零序参数辨识算法

摘要

输电线路参数的准确性对电力系统安全稳定运行至关重要，直接影响电力系统中状态估计、潮流计算及继电保护整定等关键环节的计算精度．针对传统时域辨识方法因微分计算导致的计算精度不足以及抗噪声能力弱的问题，提出了一种融合物理信息神经网络(PINN)和径向基函数神经网络(RBF-NN)的双端线路正序和零序参数时域辨识算法．该算法首先基于输电线路在正常运行状态下和不对称接地故障状态下的相分量模型，建立了一系列以线路正序参数、零序参数及故障距离为未知系数的微分方程组．在此基础上，利用RBF-NN高效的函数逼近能力和较强的抗噪声能力，将其引入PINN结构并构建了两个RBF-PINN框架以求解上述微分方程组，从而实现线路的参数辨识和故障测距．其中，RBF-PINN1利用线路两端的正常运行数据辨识线路的正序参数；在获得正序参数后，RBF-PINN2进一步利用线路两端的不对称接地故障数据，依次辨识线路的零序电容、故障距离、零序电阻及零序电感值．最后，在MATLAB/Simulink平台上搭建了110 kV输电线路仿真模型，对所提算法的准确性和抗噪声能力进行验证．仿真结果表明，该算法具有较高的参数辨识和故障测距精度，并且受故障类型、过渡电阻、故障距离等因素的影响较小．此外，在一定的噪声强度下，该算法仍能保持较高的计算精度．

关键词

输电线路 / 正序参数 / 零序参数 / 物理信息神经网络 / 径向基函数神经网络 / 故障测距