可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报5（2018）48审查输电系统故障分类方法综述（一）AvagaddiPrasad，J. Belwin Edward，K. 拉维VIT大学电气工程学院，Vellore，泰米尔纳德邦，632014，印度接收日期：2015年4月13日;接收日期：2016年10月11日;接受日期：2017年1月10日2017年1月25日在线发布摘要本文综述了输电线路故障分类的各种方法。已作出努力，包括几乎所有的技术和哲学的文献中报道的传输线。故障分类是继数字式距离保护之后实现可靠、快速继电保护因此，需要对这些方法进行适当的审查本文分为两部分。这是两部分系列的第一第一部分是对输电线路故障的简要介绍，回顾了输电线路故障的各种研究方法第2部分将重点介绍这一领域的新发展的方法。© 2017 电 子 研 究 所 （ ERI ） 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：故障;故障分类;保护;软计算技术;输电线路内容1.导言. 492.故障分类方法2.1.突出的技术2.1.1.小波方法502.1.2.人工神经网络方法2.1.3.模糊逻辑方法532.2.混合技术2.2.1.神经模糊技术542.2.2.Wavelet and ANN technique小波和人工神经网络技术2.2.3.小波和模糊逻辑技术2.2.4.小波和神经模糊技术*通讯作者。电子邮件地址：prasadavagaddi@gmail.com，vit.ac.in（A. Prasad）。电子研究所（ERI）负责同行评审https://doi.org/10.1016/j.jesit.2017.01.0042314-7172/© 2017电子研究所（ERI）。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。A. Prasad等人/电气系统与信息技术学报5（2018）48493.比较与结论563.1.比较563.2.结论. 58参考文献581. 介绍输电线路对裸露缺陷的屏蔽是保证电力系统安全运行的最基本任务。架空线路的故障是一种不寻常的情况，由气候条件、人为错误、火焰烟雾、硬件故障（例如旋转机器和变压器）等引起这些问题会导致电流侵入、硬件损坏，甚至导致人、有翼生物和生物通过。这些问题对电源的一致性有危害。故障只不过是一种不正常的状态。为了便于理解，本文将输电系统故障与人类疾病进行了比较。例如，一个健康的人在他的日常生活中，每当他面临任何异常情况时都会感到不安，这里的异常情况只是指感冒，咳嗽，发烧，心脏病发作，癌症等疾病。以类似的方式，在电力传输系统中，系统量（电压、电流、相位角等）当系统出现异常情况时，超过其阈值，则称为故障。架空输电线路的大部分暴露在大气条件下，因此架空输电线路发生故障的机会比地下电缆更大架空输电系统的故障可分为串联（断线）故障和并联（短路）故障。通过观察各相电压可以很容易地识别串联故障。如果电压值增加，则表明发生了开路故障。这些故障被分为两种类型，即一个开路故障和两个开路故障。这些故障是很少发生的故障。通过观察各相电流可以很容易地识别短路故障如果电流值增加，则表明发生了短路故障。短路故障分为两种类型，即：不对称断层和对称断层。不对称故障包括线对地（LG）、线对线（LL）和双线对地（LLG），对称故障包括三线对地（LLL）和三线对地（LLLG）故障。图1示出了架空输电系统中的故障分类，在该图中，故障的发生频率和严重程度将再次与人类疾病进行比较。最常见的故障是LG故障，最常见的疾病是头痛，感冒。正如我们所知，头痛和感冒与其他疾病相比不那么严重，同样地，LG故障与其他故障相比也不那么严重。严重性和发生率方面的下一个故障是LL故障。它可以与病毒性发热和LLG故障等疾病进行比较，而3相（LLL和LLLG）故障可以与心脏病发作等大疾病进行比较，这意味着如果发生3相故障，整个系统将崩溃，所以它与心脏病发作等大疾病进行比较。因此，保护方案需要在较短的时间内检测出故障，并对故障的性质和位置进行分类，以避免重大的损害。为此，到目前为止，发明了许多方法，每种方法都有自己的优点和缺点。因此，选择一种故障分类方法对用户来说是一个很大的任务Fig. 1.故障分类50A. Prasad等人/电气系统与信息技术学报5（2018）48因此，它是需要作出审查，涵盖所有提出的高效和有效的故障分类方法文献中描述了几种故障分类方法及其执行在这篇评论文章中，还尝试了故障分类方法的基础上，他们的技术，在相应的方法中使用的模拟工具。这篇综述文章试图提供一个调查最多的报告故障分类方法。本文的第1部分介绍了流行的和混合技术的审查和本文的第2本文第1部分的编写如下。第一部分介绍了输电线路故障及故障分类的基本原理第二节介绍了从大量文献中提取的故障分类方法第3节介绍了输电线路故障分类技术的比较和第1部分的总结说明，并介绍了第2部分中讨论的主题。2. 故障分类方法分类是与范畴化有关的一般过程，是对思想和项目进行感知和分离的过程。分类使我们能够看到事物之间的联系，这些联系在一般情况下可能不清楚。同样，对事物进行分类也使我们对各种事物的价值分类主要需要商业、科学、数学、媒体、协会、金融方面、行业、安全安排等。在电力系统中，架空线路是最容易分析的，因为问题通常是不言自明的，例如，一棵树倒在线路上，或者一个公用设施竖井断裂，导体躺在地上。架空线路故障的正确识别和分类是架空线路保护的关键。为了满足这种快速增长的需求，新发电站的联合需要越来越多的输电和配电设施。随之而来的较低的可靠性限制使得必须利用快速保护策略快速清除传输故障。这产生了另一种对基于暂态的保护技术的热情。由于开发了如此多的故障分类技术为了便于理解，本文将广泛使用的故障分类技术分为以下3类：(A) 突出的技术(B) 混合技术(C) 现代技术图 2显示了故障分析中现有故障分类方法的树图。2.1. 突出的技术突出技术是众所周知的技术，通常用于输电线路中的故障分类这些技术分为3类。他们是A.1 小波方法A.2 人工神经网络方法A.3 模糊逻辑方法每种技术的解释如下。 图 3示出了用于仿真的典型电力系统的单线图。2.1.1. 小波方法小波变换是一种用于信号准备的数值工具小波变换的基本思想是选择一个合理的小波函数作为与傅立叶程序相比，小波可以选择具有特别吸引人的递归和时间属性傅立叶延拓只有频率决定而没有时间决定。这意味着它决定了信号中存在的每一个频率，但它并没有告诉他们在什么时候引入。为了克服这个问题，提出了小波变换。小波变换始终给出时间和频率数据小波变换利用多分辨分析（MRA）将信号分解到不同的频带它可以用来检测故障和估计的电流和电压信号的相量，这是重要的输电线路的保护A. Prasad等人/电气系统与信息技术学报5（2018）4851图二.故障分类技术树图。图三. 电力系统模型小波变换利用多分辨分析（MRA）将信号分解到不同的频带。MRA用于架空线路保护中的故障分析Youssef，2001）的方法是利用电磁暂态程序（EMTP）对系统进行仿真，其中传输线采用分布参数模型，本地和远端源采用集总阻抗模型 在这项工作中，模拟数据用作输入来分类故障的性质（Youssef，2001，2002）。利用小波熵原理，提出了一种基于小波变换的故障分析方法。其中PSCAD/EMTDC用于模拟ElSafty和El-Zonkoly（2009）提出的电力系统。 Costa等人（2009）提出的一种新方法显示了找到故障的能力。根据Costa等（2009）的扰动诊断方法，扰动诊断方法分为两个模块，第一个模块识别故障，第二个模块进行故障分类这种方法的优点是能够对越野故障进行分类。Ravindhranath Reddy等人提出了一种以墨西哥帽和coif let为母小波的小波变换算法。（2009），用于对故障进行分类并计算故障开始后半个周期内的故障距离。将故障暂态信号的小波系数能量该推荐技术的主要优点是实时发现故障（Costa等人，2012年）。图4示出了信号“S”的分解。在该图中，A和D分别表示近似系数和细节系数。Ashok等人（2013），提出了离散小波变换用于输电系统故障分类。在这种方法中，用于检测故障相的能量水平的百分比和故障的性质进一步分类。DileepKumar和RaghunathSagar（2014）提出了一种使用离散小波变换（DWT）进行故障分类的三端传输系统保护解决方案，它有助于检测故障的性质该方法利用离散小波变换（DWT）从故障时各相电流产生的暂态信号中计算出信号的能量、最大细节系数和各相电流能量变化率，从而对输电系统故障进行检测和分类基于小波的电流特征分析技术用于检测和分类故障的性质（Jose和Bindu，2014）。 Lakshmana Nayak（2014）实现了一个离散小波52A. Prasad等人/电气系统与信息技术学报5（2018）48见图4。信号“S”的三级分解图五.人工神经元模型。Transformer（DWT）方法用于故障分类，一旦已知特定位置的故障电流利用Daubechies 8（D-8）小波变换对输电线路两端相电流进行故障分类Prasad和BelwinEdward（2016）在DWT的帮助下，在架空线路的一端使用电流实现了一种新方法 Ali Rana et al. （2014）提出了一种使用MATLAB小波工具箱来检测和分类故障类型的方法。利用MATLAB仿真模型工作空间产生的故障数据进行故障分析。2.1.2. 人工神经网络方法人工神经网络（ANN）具有设计关联或映射能力、对内部故障的适应能力、强度、预测能力和快速数据准备能力。神经系统可以通过插图来学习。他们可以通过这种方式准备一个问题的已知情况，以获得有关它的信息。一旦适当的准备，该系统可以在理解“未经训练”或“未知”的情况下的问题的强大使用模拟神经元模型的基本结构如图所示。 五、Dalstein和Kulicke（1995）提出了一种基于多神经网络的高速继电保护系统故障分析方法。该方案采用数字信号处理实现和神经网络结构的概念进行故障分类。Oleskovicz等人（2001）提出了人工神经网络方法作为另一种用于输电系统保护方案的故障分类和故障定位任务的技术。 该方法使用电压和电流样本作为输入，并且它有助于找到所有类型的故障（Oleskovicz等人， 2001年）。 Sanaye-Pasand和Khorashadi-Zadeh（2003）提出了一种利用电流信号研究输入模式中隐含连接的方法，可以在四分之一周期内实现故障识别、分类和定位。这种方法表明，它是能够准确地实现不同的故障条件组合的结果。Bouthiba（2004）已经实现了一种用于超高压（EHV）输电线路的故障识别和定位的技术，该技术使用终端线路数据并应用人工神经网络进行高速保护。Tarafadr Hagh等人提出了通过使用电力系统模型的故障前后数据，借助人工神经网络对架空线路中的故障进行分类。（2007年）。一种分布式&递阶神经网络A. Prasad等人/电气系统与信息技术学报5（2018）4853见图6。 模糊系统基于层次结构和集成模块的体系结构的DHNN系统由Lin等人（2007）提出。DHNN系统有效地利用了人工神经网络在模式识别、非线性逼近、联想记忆等方面的影响函数其信息处理机制符合人类生物神经网络系统分类粗-精的处理Jain等人（2008）提出了一种仅利用在本端测量的电流信号对双端馈电的双回架空线路进行故障识别和分类的技术。AbdulwahidSalman和MuhammadAli（2009）提出了一种基于人工神经网络的继电保护模式分类算法。这种方法表明，严重的三相跳闸模拟四个自由裁量领域的不受控制的架空线路。目前，由于电能消耗的不断增加，六相输电线路将能够以经济的方式以相同的路权传输相同相间电压的额外功率六相输电线路的保护是一项艰巨的任务。Koley等人（2011年）已经证明了一种在人工神经网络的帮助下进行六相输电系统故障分析的方法。Warlyani等人提出了一种新的基于神经网络的T型输电线路双回线接地故障诊断方法。（2011年）。 在该方法中，双线接地故障识别的帮助下，在T型电路的一端的电压和电流信号。Yadav和Thoke（2011）提出了一种用于双馈输电线路的自适应保护技术，表明线路接地故障（正向和反向）。本程序仅使用在一端测得的相电压和相电流的基波分量这种方法给出了故障方向（正向或反向）的自动确定和故障的位置后，从故障开始一个周期。Tayeb和AzizAlRhirn（2011）已经实现了利用反向传播（BP）神经系统设计作为故障检查的选项策略 在这项工作中，距离保护计划被细分为各种神经系统，用于对不同区域的故障进行分类（Tayeb和AzizAlRhirn，2011年; Tayeb，2013年）。 Saravanan和Rathinam（2012）提出了一种基于人工神经网络的双回输电线路故障分析的比较研究。它是一种新的神经网络表示形式，包括级联相关前馈网络（CFBPN）、径向基函数（RBF）网络和反向传播算法（BPN）三种不同的前馈神经网络。Saha等人（2012）基于ANN开发了用于识别架空线路中的故障的继电器。Hessine和Jouini（2014）开发了使用每相的电流和电压的技术。人工神经网络的输出指示故障的存在及其性质。该策略将各级电流和电压试验信息近似于一个终端，类似于相关神经网络对故障性质的KumarK等. （2014）提出了另一种使用反向传播（BP）神经网络架构对架空线路中的故障进行分类和隔离的技术。这项工作突出了相位有效值的电压和电流作为故障分类的输入。Kesharwani和Singh（2014）开发了一种基于MATLAB软件的技术，用于注意输电线路上的故障。Simulink模型的输出用于训练神经网络，以发现传动系统中的故障。2.1.3. 模糊逻辑方法模糊逻辑的使用已经得到了大量的考虑，因为它足以减少批判性思维中对复杂科学模型的需求。模糊逻辑利用语言术语，管理输入和输出变量之间的关系。因此，模糊逻辑技术使得它更容易控制和照顾许多问题，特别是在数值模型不是明确已知的，或难以解决。模糊逻辑不仅给出了一个有能力的表示估计的不稳定性，此外，一个必要的表示模糊的想法表达在自然语言。它是一种科学假设，在描述一个重要性或想法的同时，也包含了模糊的信息从根本上说，模糊性是描述不确定性的一种这些想法在发行顺序上是有价值的。在模糊逻辑方法中执行的一般程序出现在图中。 其中S1、S2和S3是模糊分类器的三个输入，用于表征故障类型。54A. Prasad等人/电气系统与信息技术学报5（2018）48见图7。 模糊推理系统费雷罗等人（1995）提出了一种利用模糊集方法对输电线路故障进行分类的方法。该方法的优点在于在存在谐波失真和指数衰减分量的情况下，能够正确地计算对称分量Kumar等人提出了一种基于行波和模糊逻辑方法的超高压输电线路安全保护技术。（1999年）。 为了估计频率，在传输线的一端的故障电压和电流信号被使用。该方法利用故障波从故障点到保护端所需的时间来计算它们Das和VittalReddy（2005）建立了该方法能够准确地对不同起始角、不同故障电阻和不同负荷水平下可能发生的10种并联故障进行相区划分。它只需要三个线电流测量来执行该方法。 模糊推理系统（FIS）的一般结构作为这一战略的一部分出现在图。7.第一次会议。Mahanty和DuttaGupta（2007）已经建立了一种在模糊逻辑的帮助下利用当前样本进行故障分析的方法。该方法只考虑三相电流的一端，实现故障分类。Cecati和Razi（2012）利用模糊逻辑方法提高了单回和双回输电线路故障分类的准确性这种技术可以发现对称和不对称故障。这种方法的好处是，它可以分离故障和非故障阶段。 Shashi等人（2012）已经开发了一种通过使用模糊逻辑来检测线路接地故障的方案。所开发的方法只需要在输电线路的一侧的故障后电流在PSCAD/EMTDC中对400 kV、300 km输电线路模型进行了针对不同类型单相接地故障的仿真研究。Prasadet al.（2015）使用两个模糊规则系统实现了一种新方法。一种是接地故障，另一种是相故障。Samantaray（2013）开发了一种基于模糊系统的架空线路故障调查新策略，该策略优于任何基于启发式模糊规则的技术。在这项工作中，s-变换和小波变换之间也进行了比较。最后，他们得出结论，基于s变换的决策树（DT）-模糊提供准确的故障分类。2.2. 混合技术混合技术讨论了三种技术的集成，即小波方法，人工神经网络方法和模糊逻辑方法。杂交是在应用过程中克服一种方法的缺点，通过适当地整合另一种方法的优点。这些是一个或两个突出技术的组合。这些技术分为4类。他们是B.1 神经模糊技术B.2 小波与人工神经网络技术B.3 小波与模糊逻辑技术B.4 小波与神经模糊技术2.2.1. 神经模糊技术这是混合动力系统研究最多的形式之一，并导致了大量的出版物和研究成果。感知设计并调整以适应不断变化的情况的神经系统，加入人类学习和执行方法的模糊推理系统，以及某些无从属增强策略，带来了另一种称为神经和模糊或自适应神经模糊推理系统（ANFIS）的过程Wang和Keerthipala（1998）开发了一种不同的方法来实时分类故障，A. Prasad等人/电气系统与信息技术学报5（2018）4855神经模糊方法。 在这种方法中，顺序分量和三个线电流被用来检测故障的性质，如相故障和相接地故障（王和Keerthipala，1998年）。Dash等人（2000）提出了一种利用模糊神经网络（FNN）进行距离保护的新方法。在这项工作中，使用神经网络进行训练，并应用模糊观点来深入了解系统并降低系统的复杂性（Dash等人，2000年）。Keerthipala等人（2000）提出了一种仅利用电流信号进行故障分类的模糊神经网络方法，利用对称分量和三线电流来识别故障类型。Elbaset和Hiyama（2009）提出了ANFIS在输电线路自动故障分析中的应用，仅使用一端的数据ANFIS的这种应用旨在高速处理，可以提供实时故障识别。该自适应神经模糊推理系统不仅可以检测出所有的并联故障，而且可以对距离保护系统的故障性质进行分类。 该方法可以正确地检测输电线路中的故障相（Elbaset和Hiyama，2009）。 Kamel等人（2009）提出了一种使用多个分类ANFIS网络用于长输电线路的保护方法。在这项工作中，ANFIS识别单元的输入数据最初是从电流和电压的基本测量值计算的TagEldin（2010 a）开发了一种基于小波变换和自适应模糊推理系统的串联补偿输电系统故障定位技术该方案利用两端线路电流进行小波多分辨率分析，实现故障识别。小波系数中尖峰的方向和大小用于故障的检测和分类在找到故障区段后，将各电流的第六层MRA系数之和输入ANFIS，得到故障的正确位置。2.2.2. 小波与人工神经网络技术小波和人工神经网络技术试图结合小波方法和人工神经网络方法的最佳特性Cheong和Agganval（2004）提出了一种利用电流信号对晶闸管控制的串联补偿输电系统进行故障分类的方法，该方法将DWT和ANN算法结合在一起。 这种模块化的方法首先采用一个简单的标准反向传播（SBP）学习算法的基础上的故障分类网络，其次是一个网络的基础上自组织映射（SOM）网络的故障位置判别。Costa等人将神经网络和小波变换相结合来解决故障分类问题。（2006年）。 在这项工作中，一个简单的多层感知器网络（MLP）的输入模式是小波系数的电流。用C++语言开发这种技术。Abdollahi和Seyedtabaii（2010）提出了高压输电系统中故障的定位和估计以及傅立叶和WT方法与神经网络（NN）相结合的行为的相关研究。根据这种方法，小波变换是最好的检测相接地故障和DFT执行更好的其他故障。Jana等人（2012）开发了一种基于小波熵和神经网络的输电系统故障分类技术。据发现，只有三个层次的电压信号的分解是足够的故障分类。所提出的系统用各种类型的故障进行了验证，例如不同位置和电阻的对称和不对称故障（Jana等人， 2012年）。MollanezhadHeydar-Abadi和AkbariForoud（2013）提出的基于小波变换和概率神经网络（PNN）新特征选择的输电线路高速准确故障分类技术。在该算法中，三个PNN和一个接地检测器（GD）已用于故障分类。三个PNN（PNNa，PNNb和PNNc）中的每一个都用于对故障进行分类，并且接地检测器（GD）用于计算接地在故障中的贡献每个PNN的输出值图8解释了小波和ANN方法的工作过程。Beg等人提出了一种新的高压输电线路故障分类方法。（2013），并在PSCAD中使用实际线路参数模拟了400 kV MSETCL系统。Jamil等人（2013）提出了一种基于小波技术与神经网络相结合的应用的研究，以定位距发送端的故障距离，该分析产生了非常准确的故障定位结果，并且观察到平均相对误差约为3.2%，包括针对故障工作情况的广泛差异的相故障和接地故障的所有情况。Rao和Hasabe（2013）提出了用于故障分析的神经网络和DWT方法在该方法中，使用小波变换和神经网络的故障检测来发现故障的性质 Hasabe和Vaidya（2014 a，2014b）提出了使用WT和ANN对220 kV架空线路进行故障分类。该方法依赖于相位信号的细节系数的能量。Kumar等人（2014），已经使用Haar小波和ANN实现了六相输电线路中的线对线故障的故障分类技术。的56A. Prasad等人/电气系统与信息技术学报5（2018）48见图8。基于小波变换和神经网络的故障分类技术。算法仅使用在一端记录的瞬时电压和电流的近似系数的标准偏差。 Raikwar等人（2014）开发了一种使用DWT-ANN对765 kV输电线路中的故障进行分类的方法。2.2.3. 小波与模糊逻辑技术该方法利用小波变换对模拟电网的输出信号进行分解。它将输出信号分解为所需的级别，并在该所需级别上将细节系数用作模糊逻辑工具箱的输入。基于该特定模糊推理系统中使用的规则的模糊逻辑工具箱给出故障类型作为输出。Youssef（2004）在模糊推理系统的帮助下开发了一种新的故障分类技术该方法仅利用三相电流来识别故障性质，如相间故障和相间接地故障，进而确定故障相。JayabharataReddy和Mohanta（2007）将这种方法扩展到输电线路故障定位 Ngaopitakkul等人（2013）开发了一种使用DWT和模糊逻辑的组合的方法，以便对故障进行分类。在该方法中，母小波是Daubechies4（db4）。此外，决策程序的结构是明确的，并考虑到泰国电力传输系统的几个案例读数执行。2.2.4. 小波与神经模糊技术结合小波和神经模糊故障定位技术已经开发了荣格等人。（2007），用于传输系统。Tag Eldin（2010b）开发了使用WT和ANFIS的串联补偿输电系统故障定位。 在该方法中，故障检测和分类只使用小波MRA系数。在这项工作中，小波变换连接到三相电流在两个封闭的传输线。利用小波系数中尖峰的方向和幅度进行故障分析。模拟了串联补偿输电线路的两个部分中具有各种起始点、独特位置和独特故障电阻的各种故障，以评估所提出的问题区域计算的执行情况，并尝试了识别和分类故障的计算的合法性并对内外部断层分离的合法性该方案的主要优点是对信息的适应性强，其主要缺点是采用反向传播算法训练前馈网络需要较长的时间，特别是当电网维数较高时。该方案的复杂度比其他方法要高。3. 比较与结论3.1. 比较下面的表1给出了关于基于该方法中使用的技术、使用的仿真工具和复杂性水平的输电线路中的故障分类技术的审查的清晰想法复杂性级别已分类表1故障分类技术号方法名称参考编号使用的技术使用的模拟工具A. 突出的技术A1小波方法Youssef，2001;Youssef，2002;ElSaftyandEl-Zonkoly，2009;Costa等人，2009;RavindhranathReddy等人，2009;Costa等人，2012;Ashok等人，2013;DileepKumar和RaghunathSagar，2014;Jose和Bindu，2014;LakshmanaNayak，2014;Prasad和BelwinEdward，2016;AliRana等人， 2014小波变换，离散小波变换EMTP，PSCAD/EMTDC，MATLAB/Simulink，ATP，MATLAB小波工具箱介质A2人工神经网络方法Dalstein和Kulicke，1995年;Oleskovicz等人，2001年的年度报告;Sanaye-Pasand和Khorashadi-Zadeh，2003年;Bouthiba，2004年;TarafadrHagh等人，2007;Lin等人，2007;Jain等人，2008;AbdulwahidSalman和MuhammadAli，2009;Koley等人，2011;Warlyani等人，2011;Yadav和Thoke，2011;Tayeb和AzizAlRhirn，2011;Tayeb，2013;Saravanan和Rathinam，2012;Saha等人，2012;Hessine和Jouini，2014;KumarK等人，2014;Kesharwani和Singh，2014人工神经网络，分布式层次神经网络（DHNN），反向传播（BP）MATLAB神经网络工具箱，EMTP，ATP复杂A3模糊逻辑方法Ferrero et al.，1995; Kumar等人，1999年; Das和VittalReddy，2005;Mahanty和DuttaGupta，2007;Cecati和Razi，2012;Shashi等人，2012;Prasad等人，2015;Samantaray，2013MATLAB模糊逻辑工具箱简单B. 混合技术B1神经模糊技术Wang和Keerthipala，1998; Dash等人，2000; Keerthipala等人，2000;Elbaset和Hiyama，2009;Kamel等人，2009年;TagEldin，2010年a神经网络，模糊逻辑，模糊神经网络，ANFISMATLAB NN 模糊逻辑工具箱，MATLAB ANFIS工具箱复杂B2小波和ANN技术Cheong和Agganval，2004; Costa等人，2006年; Abdollahi和Seyedtabaii，2010;Jana等人，2012;MollanezhadHeydar-Abadi和AkbariForoud，2013;Beg等人，2013;Jamil等人，2013;Rao和Hasabe，2013;Hasabe和Vaidya，2014 a;Hasabe和Vaidya，2014 b;Kumar等人，2014;Raikwar等人， 2014MATLAB小波工具箱，C++，MATLAB神经网络工具箱，PSCAD介质B3小波与模糊逻辑技术Youssef，2004年; Jayabharata Reddy和Mohanta，2007年;Ngaopitakkul等人， 2013模糊集方法，神经网络MATLAB模糊逻辑工具MATLAB小波工具箱简单B4小波与神经模糊技术Jung等人，2007;TagEldin，2010 b神经网络，模糊逻辑，小波变换MATLAB小波，NN模糊逻辑工具箱。MATLAB ANFIS工具箱复杂A. Prasad等人/电气系统与信息技术学报5（2018）485758A. Prasad等人/电气系统与信息技术学报5（2018）48分为三种类型，即简单、中等和复杂，基于考虑因素;模拟时间、输入数量和相应方法中涉及的规则等。3.2. 结论两篇论文系列的第1部分描述了突出和混合技术中可用的故障分类技术的分类，这有助于了解早期用于保护输电系统的初始方法和不同方法的组合本文首次根据故障分类的方法，即突出技术、混合技术和现代技术，对故障分类方法进行了第一部分对现有的主要方法和混合方法文章的第二部分将介绍先进的故障分类方法的必要性，并将简要回顾各种研究人员新开发的引用Abdollahi，A.，Seyedtabaii，S.，2010. 傅立&叶小波变换用于人工神经网络的输电线路故障位置估计。IEEE会议出版物。（June），573-578.Abdulwahid Salman，Muntaser，Muhammad Ali，Suhail，2009. 基于人工神经网络的非受控电力系统输电线路三相严重跳闸的检测和定位。AnbarJ.Eng.Sci.，36比48Ali Rana，Shahzad，Ahmad，Aziz，Noorullah Quadri，Mohammad，2014.基于小波分析的长输电线路故障检测与分类。国际研究工程高级杂志技术2（June-July（3）），1-6.Ashok，V.，Bangarraju，K.G.V.S.，Murthy，V.V.N.，2013. 用小波分析法对输电线路故障进行识别和分类。ITSITrans. 电子Electron.Eng.1（1），117-122.求，硕士，Bundhe，N.G.，Paraskar，S.R.，2013年。 400 kV输电线路故障分类。 Int. J. Sci. 精神上的。 总线 技术 1（February（2）），71-75.Bouthiba，Tahar，2004年。人工神经网络在超高压输电线路故障定位中的应用 Int. J. Appl. 数学Comput. Sci. 14（1），69-78。Cecati，Carlo，Razi，Kaveh，2012.基于模糊逻辑的单、双回输电线路故障高精度分类。 IEEEConf.Publ.，883-889Cheong，W.J.，Agganval，R.K.，2004. 提出了一种基于小波分析和自组织映射神经网络的晶闸管串补输电线路故障定位新方法。IETConf.Publ.1，224-227。科斯塔联邦调查局席尔瓦，K.M.，Souza，文学士，丹塔斯，K.M.C.，布里托，南达科他州，2006. 提出了一种基于神经网络和小波系数能量的输电线路故障分类方法。IEEEConf.Publ.（July），3700-3705.科斯塔联邦调查局Souza，文学士，布里托，南达科他州，2009. 输电线路单一故障和跨线故障的一种基于小波包的检测和分类方法。见：国际电力系统过渡会议，6月，pp. 1-8号。科斯塔联邦调查局Souza，文学士，布里托，南达科他州，2012. 基于最大重叠离散小波变换的输电线路故障实时分类。传输和分配会议和博览会IEEE/PES1，1-8。Dalstein，Thomas，Kulicke，Bemd，1995年。高速继电保护故障分类的神经网络方法。IEEETrans. 电力熟食店v. 10（April（2）），1002-1011.Das，Biswarup，Vittal Reddy，J.，2005. 基于模糊逻辑的数字式距离保护故障分类方案。IEEETrans. 电力熟食店v. 20（April（2）），609-616.Dash，P.K.Pradhan，A.K.，潘达，G.，两千 一种新的基于模糊神经网络的距离保护方案。 IEEE Trans. 电力熟食店v. 15（July（3）），902-907.Dileep Kumar，A.，Raghunath Sagar，S.，2014. 用离散小波变换判别高压输电线路故障及其位置。Int.J.Educ.Appl.Res.4（January-June（1）），107-111.El Safty，S.，El-Zonkoly，A.，2009年 小波熵原理在故障分类中的应用。 电子 电力系统， 604 -607，Else vier.Elbaset，Adel A.，Hiyama，Takashi，2009.基于ANFIS的输电线路故障检测与分类。日本电气工程师协会，pp。705-713Ferrero，Alessandro，Sangiovanni，Silvia，Zappitelli，Ennio，1995.数字继电保护故障类型识别的模糊集方法。 IEEE Trans.电力熟食店v. 10（1月1日）。Hasabe，R.P.，Vaidya，A.P.，2014年a。基于小波变换和神经网络的220 kV输电线路故障检测与分类。Int.J.SmartGridCleanEnergy3（July（3）），283-290.Hasabe，R.P.，Vaidya，A.P.，2014年b。小波变换与神经网络在220 kV输电线路故障检测、分类与定位中的应用。Int.J.Electr. 工程技术5（July（7）），32-44.Hessine，Moez Ben，Jouini，Houda，2014.输电线路故障检测与分类的人工神经网络方法。 IEEEConf.Publ.，515-519Jain，Anamika，Thoke，A.S.，帕特尔，RN，2008年基于人工神经网络的同塔双回输电线路故障分类。 世界科学院Sci. 工程技术2，750-755。Jamil，Majid，Kalam，Md.Abul，Ansari，A.Q.，Rizwan，M.，2013年。 一种基于矢量-模糊神经网络的输电线路故障定位方法。 电子Eng.Res.1（July（3）），77-82.A. Prasad et al. / Journal of Electrical Systems and Information Technology 5（2018）48-6059Jana，Soumyadip，Nath，Sudipta，Dasgupta，Aritra，2012. 基于小波熵和神经网络的输电线路故障分类。 Int. J. 电子工程技术3（July-September（2）），94-102.Jayabharata Reddy，M.，Mohanta，D.K.，2007年输电线路故障分类与定位的一种小波-模糊组合方法。 电子电力能源系统 29（Novv.（9）），669-678，Else vier.何塞普林斯宾杜V.R.2014年。基于小波变换的输电线路故障分析。 Int. J. Eng. 因诺五世 技术 3（February（8）），55-60.Jung，C.K.，金，K. H.，Lee，J.B.，Kloéckl，Bernd，2007.基于小波和模糊神经网络的联合输电系统故障定位。伊莱克特河电力能源系统 29（6），445-454，Else vier.Kamel，T.S.，Moustafa Hassan，M.A.，El-Morshedy，A.，2009. 基于多分类ANFIS网络的电力系统长线路距离保护新方案IEEEConf.Publ.，1比5。Keerthipala，W.W.L.，王慧生、韦灿达，2000年。用实时数字仿真器在线测试模糊神经保护继电器。IEEE会议出版物3，1917-1922。Kesharwani，Smriti，Singh，Dharmendra Kumar，2014.基于神经网络的输电线路保护故障检测仿真。 Int. J. Sci. 工程技术Res.3（May（5）），1367-1371.Koley，Ebha，Jain，Anamika，Thoke，A.S.，Jain，Abhinav，Ghosh，Subhojit，2011年。应用人工神经网络对六相输电线路故障的检测和分类，IEEE会议出版物，100比103Kumar K，Sanjay，Swamy R，Shivakumara，Venkates
我的内容管理
展开
