CN1605878A - 基于小波分解频带特征的馈线单相及多相故障测距方法 - Google Patents

Abstract

本发明公开了基于小波分解频带特征的馈线单相和多相故障测距方法。单相故障测距方法利用非故障相暂态电流分量作为故障测距信息，包括采集数据、接地故障保护检测、获得故障录波数据、采用正交小波包分解提取频带特征测度矢量、对频带特征测度矢量做角度修正处理和神经网络计算步骤。多相故障测距方法则利用故障电流信息作为故障测距依据。该故障测距原理从提高测距精度出发，研究故障暂态过程机理和故障特征，挖掘与测距精度关联的隐含知识，从而获得与故障距离之间的清晰的对应关系，能有效克服和抑制过渡电阻、故障瞬时角、系统运行方式等不确定因素的影响，解决了长期存在于配电系统中的技术难点，课题提高检修效率，提高供电质量。

Description

基于小波分解频带特征的馈线单相及多相故障测距方法

技术领域

本发明属于配电系统馈线的故障测距，尤其是基于小波分解频带特征的配电网馈线故障测距方法。

背景技术

在我国配电系统中，中性点接地方式一般采用不接地或消弧线圈接地两种方式，统称为小电流接地系统。单相接地故障时，故障点接地电流仅与系统的电容电流和消弧线圈补偿的电感电流相关，数值较小，系统的运行方式多变，馈线参数不唯一，有的还带有分支馈线。单相接地故障不存在短路电流仅存在对地容性或感性电流受网络运行不确定因素敏感，一直是其故障测距研究中的难题。由于单相接地故障率高，约占全部故障的(60～70)％。所以快速、准确的排除单相接地故障对提高供电可靠性有特别重要的意义。对于两相或三相故障测距问题，由于配电网馈线的长度较短但拓扑结构复杂，线路的参数与高压线路也不同，存在着一定的特殊性。故障测距对故障恢复和缩短停电时间具有特别重要的意义。目前配电网常规故障测距的基本方法主要有三类：故障分析测距法、行波测距法和智能原理测距法。故障分析测距法是利用测距安装端的可获得故障信息来实现故障点准确定位的方法。该方法推导中系统建模、参数简化、分量提取等环节势必产生一定的原理性误差。前已述配电网单相接地故障时的特点，故障前后基频分量变化很小，且绝大多数是间隙性瞬时故障，暂态波形畸变严重，所以不可能精确提取基频分量，故基于基频分量测距方法误差必然很大。在这种情况下，采用时域采样的直接测距方法误差将更大。也有文献尝试采用行波法进行故障测距，由于在配电网中馈线的长度较短且常带有分支馈线(使得行波的反射和折射复杂)，行波法需要专门的具有高采样频率(达1MHz)故障测距装置单独使用，投入成本较高，在配电网中实用化相当困难。注入信号测距法主要分为注入高频(0.8K～10KHz)的诊断信号、直流脉冲信号和注入高压直流和交流信号混合的注入信号，其原理都是在故障选线完成后在故障馈线始端加注入信号，根据故障时网络的拓扑结构，利用时频域分析方法进行故障定位。通过注入信号实现测距的方法和注入选线方法一样，存在注入信号选择，信道参数等可变因素的确定，测距的诊断信号识别和测量等问题。如不考虑参数的容错性，现场测距效果不能保证。智能原理测距法是利用智能原理如专家系统、神经网络、模糊理论、模拟退火和小波分析等综合对故障后的电流电压信号进行分析，构造故障测距系统。

上述配电网馈线故障测距问题的研究大都处在理论阶段，少数实际装置一般是借用高压线路故障测距装置，并且存在着针对性差和故障测距误差大等缺点。

发明内容

本发明所要解决的技术问题是克服现有技术存在的不足，提供一种针对性好、故障测距误差小的基于经故障瞬时角修正的小波分解频带特征与智能原理融合的馈线单相故障测距方法。本发明所要解决的另一技术问题是，提供一种针对性好、故障测距误差小的基于小波分解频带特征与多级分布智能原理融合的馈线多相故障测距方法。

为解决上述技术问题，本发明的基于小波分解频带特征的馈线单相故障测距方法，利用非故障相暂态电流分量作为故障测距信息，包括以下步骤：

a采集数据：实时采集正常情况下的负荷电流瞬时值序列i_前；

b单相接地保护的故障检测：基于单相接地保护方法进行接地保护的故障暂态电流瞬时值序列i_后的检测；

c获得故障暂态分量数据或对应的录波数据：检测出接地故障后，按照Δi＝i_后-i_前求取故障分量；

d采用正交小波包分解提取频带特征测度矢量：利用正交小波生成的正交小波包进行分解暂态电流分量数据或录波数据；令c_j(n)为待分解的信号，进行1次正交小波分解可得到平滑信息c_j+1(n)和细节信息d_j+1(n)；

其中：{h_n}和{g_n}为多尺度分析(MRA)中定义的共轭滤波器；对各频带的分解序列求取1范数，作为接地故障的特征频带的特征值；范数的计算公式为：

$\mathrm{PI}\left(j\right)=\underset{k}{\mathrm{\Σ}}\left|{\mathrm{WTj}}_k\right|----\left(2\right)$

其中：{WTj_k}为小波分解后第j频带上的分解序列，PI(j)为第j时频带上的1范数，即该频带上的时频信号的积分，表示该频带信号的强度大小，类似于时域信号中面积积分所求的幅值；

对(1)式中的各频带特征序列按照式(2)计算小波序列的特征测度，得到故障特征测度矢量的元素，即WPM＝{WPM0，WPM1，Λ，WPM15}为所求的故障特征矢量；

e对频带特征测度矢量做故障角度修正方法的计算：对非故障相高频暂态部分j＝2，3，…，15做出如下角度修正，以故障瞬时角为90°为基准，计算不同故障角度时，非故障相对应序列频带测度值相对与基准之比，作为角度归算系数K_θ＝WPMj_θ/WPMj_90°，θ∈[0°，360°]。

所述的基于小波分解频带特征的配电网单相故障测距方法，利用Db5正交小波生成的正交小波包进行分解录波数据，当采样频率为10KHz，分解到6层，每频带的频率范围为：[j*78.125，(j+1)*78.125]Hz，j＝0，1，Λ2⁶-1。

所述的基于小波分解频带特征的配电网单相故障测距方法，先用小波分解2层得到[0，1250]Hz频带的序列，再用正交小波包分解4层即可得到小波包频带特征序列集{WPj_i}，其中频带序号j＝0，1，Λ，15，i为该频带上的序列点号。

所述的基于小波分解频带特征的配电网单相故障测距方法，还包括以下步骤：

a系统参数设定；

b利用EMTP/ATP软件生成学习故障模式集；

c采用正交小波包分解提取频带特征测度矢量集；

d按故障瞬时角度修正方法计算获得频带特征测度矢量集；

e以频带特征测度矢量集为样本训练神经网络，直至收敛；

f生成检测单相故障测距的网络权矩阵。

所述的基于小波分解频带特征的配电网单相故障测距方法，对于具有相同参数条件下的带分支馈线的单相接地故障测距，首先将带分支馈线看作等参数、等长度的直配线的故障测距问题，其测量所得的故障距离即为从母线到故障点的距离，不需换算；其次，不管是单分支结构，还是多分支或级联多分支或多分节点结构都按照这种等值原则进行有效的折算。

为解决上述技术问题，本发明的基于小波分解频带特征的馈线多相故障测距方法，利用故障电流信息作为故障测距信据，包括以下步骤：

a多相故障保护的检测：利用多相故障保护方法进行故障暂态电流数据的采样检测；

b获得故障暂态电流数据或录波数据：检测出多相故障后，可获得任意故障相的故障暂态电流数据或录波数据；

c采用正交小波包分解提取频带特征测度矢量：利用正交小波生成的正交小波包进行分解故障暂态电流数据；令c_j(n)为待分解的信号，进行1次正交小波分解可得到平滑信息c_j+1(n)和细节信息d_j+1(n)为

其中：{h_n}和{g_n}为多尺度分析(MRA)中定义的共轭滤波器；

对各频带的分解序列求取1范数，作为多相故障的特征频带的特征值；范数的计算公式为： $\mathrm{PI}\left(j\right)=\underset{k}{\mathrm{\Σ}}\left|{\mathrm{WTj}}_k\right|----\left(4\right)$

其中{WTj_k}为小波分解后第j频带上的分解序列，PI(j)为第j时频带上的1范数，即该频带上的时频信号的积分，表示该频带信号的强度大小，类似于时域信号中面积积分所求的幅值；

对(3)式中的各频带特征序列按照式(4)计算小波序列的特征测度，得到故障特征测度矢量的元素，即WPM＝{WPM0，WPM1，Λ，WPM15}为所求的故障特征矢量。

所述的基于小波分解频带特征的配电网多相故障测距方法，利用Db5正交小波生成的正交小波包进行分解录波数据，当采样频率为10KHz，分解到6层，每频带的频率范围为：[j*78.125，(j+1)*78.125]Hz，j＝0，1，Λ2⁶-1。

所述的基于小波分解频带特征的配电网多相故障测距方法，先用小波分解2层得到[0，1250]Hz频带的序列，再用正交小波包分解4层即可得到小波包频带特征序列集{WPj_i}，其中频带序号j＝0，1，Λ，15，i为该频带上的序列点号。

所述的基于小波分解频带特征的配电网多相故障测距方法，还包括以下步骤：

a系统参数设定；

b利用EMTP/ATP软件生成学习故障模式集；

c采用正交小波包分解提取频带特征测度矢量集；

d以频带特征测度矢量集分别训练测阻和分布测距神经网络，直至收敛；

e生成测阻和多相故障测距的网络权矩阵。

与现有技术相比，本发明具有以下突破性的关键问题：(一)由于该故障测距原理是在深入研究故障暂态过程的机理、故障特征相关因素的基础上，挖掘与测距精度关联任何隐含知识，从而对不确定因素的故障特征进行层层地排除，最终获得故障特征与故障距离之间的清晰的对应关系，是获得单相接地故障测距精度的有效保证。其实质是能有效克服和抑制过渡电阻、故障瞬时角、系统参数、系统运行方式、馈线负载等不确定因素的影响，解决了长期存在于配电系统中的技术难点；精确的故障定位可加快故障点查找，大大提高供电可靠性；(二)由于配电网馈线数量较大，估计全国可达百万条，所以该技术形成的产品需求量很大，具有广阔的应用前景，经济效益高。

附图说明

图1基于非故障相暂态电流频带特征的单相接地故障测距流程；

图2具有测阻和测距功能的分布式神经网络测距系统模型

具体实施方式

以下结合附图对本发明作详细描述。

本发明的单相接地故障测距方法的实施例：

在非有效接地配电网系统中，由于其运行方式多变、故障类型和特征的复杂性等不确定因素的存在，为了确保故障测距的精度，在研究方法中进行了层层的排除。首先，突破性的提出用非故障相暂态电流分量(Transient Current Component——TCC)作为故障测距的基本依据电量，它可克服系统参数和运行方式多变的影响，它是对特征频带信息分析的有效性提供了重要保证；其次，是消除负载电流的影响，由按照Δi＝i_后-i_前求取故障分量来保证。其中i_后为单相接地故障后采集的故障电流瞬时值，i_前为单相接地故障前采集的负荷电流瞬时值。再对故障暂态电流分量进行正交小波或小波包分解，提取能反映故障接地的特征频带信息。再次，创造性提出对所提取的特征频带信息再经故障瞬时角修正法处理，对故障瞬时角的不确定影响因素进行排除。这就是本发明能有效提高单相接地故障测距的关键所在。

①小波包特征序列的提取。

利用接地保护判断出接地故障后，获得非故障相的故障暂态电流分量数据，运用正交小波(如Db5)生成的正交小波包进行分解，当采样频率为10KHz，分解到6层，则每频带的频率范围为：[j*78.125，(j+1)*78.125]Hz，j＝0，1，Λ2⁶-1，由于反映非故障相充电电流的振荡频率不高(仅为数百赫)，且能够较好反映其接地特征的频带范围在[0，1250]Hz，因此，上述的64个频带中较高频带可以去除，选择范围在[0，1250]Hz的前16个频带。为了减少计算，可以先用小波分解2层得到[0，1250]Hz频带的序列，再用正交小波包分解4层即可得到小波包频带特征序列集{WPj_i}，其中频带序号j＝0，1，Λ，15，i为该频带上的序列点号。为了消除小波分解过程的边界效应，在得到的序列中要去除一定的边界点。判断接地故障可以利用公开号为CN1458725(申请号03130007.3)的中国专利申请所公开的方法。

②故障特征矢量的求取。

令c_j(n)为待分解的信号，进行1次正交小波分解可得到平滑信息c_j+1(n)和细节信息d_j+1(n)为

其中：{h_n}和{g_n}为多尺度分析(MRA)中定义的共轭滤波器。对各频带的分解序列求取1范数，作为接地故障的特征频带的特征值。范数的计算公式为：

$\mathrm{PI}\left(j\right)=\underset{k}{\mathrm{\Σ}}\left|{\mathrm{WTj}}_k\right|----\left(2\right)$

其中：{WTj_k}为小波分解后第j频带上的分解序列。PI(j)为第j时频带上的1范数，即该频带上的时频信号的积分，表示该频带信号的强度大小，类似于时域信号中面积积分所求的幅值。

在(1)式中的各频带特征序列按照式(2)计算小波序列的特征测度，得到故障特征测度矢量的元素，即WPM＝{WPM0，WPM1，Λ，WPM15}为所求的故障特征矢量。它的每一个元素表示了在该特征频带上的频率特征测度值，能够较好的表征故障距离的变化而使得其暂态信号中频率变化和幅值变化的对应关系。因此，该小波包频带测度值矢量可以作为单相接地故障距离的故障特征。

③经故障瞬时角度修正后的特征矢量求取。

经过仿真分析得出的结论：对于非故障相的高频暂态部分，经过小波包分解所得的频带特征测度随着故障瞬时角呈现出正弦曲线的关系，这一关系不受过渡电阻和故障距离的影响。因此，对于角度问题可以经过一定的处理来减少故障瞬时角造成频带特征测度大小的影响。

对非故障相高频暂态部分(j＝2，3，…，15)做出如下角度修正：以故障瞬时角为90°为基准，计算不同故障角度时，非故障相对应序列频带测度值相对与基准之比，作为角度归算系

数K_θ＝WPMj_θ/WPMj_90°，θ∈[0°，360°]。

由大量仿真分析得出，非故障相暂态电流小波包频带特征测度随故障瞬时角变化的规律可以表示为：以故障瞬时角90度为基准下，其它故障角度的归算系数可以用标准的正弦函数的绝对值|sin(θ)|表示，K_θ＝|sin(θ)|，即该归算系数对于高频暂态部分(j＝2，3，…，15)都适用，完全不受故障距离和过渡电阻变化的影响。也就是说，对于实际的单相接地故障，由于事先不知其过渡电阻R和故障距离L，当计算出故障时刻的故障瞬时角，经过角度归算，可以求得在该过渡电阻和故障距离下故障瞬时角为90度时的近似测度数值。

因此，可以通过角度归算系数对非故障相暂态电流小波包频带特征测度作出角度修正，以消除故障角变化对此的影响。

注意，在实际使用归算系数曲线时，需要把经过小波包分解计算得到频带特征测度除以归算系数，为了防止计算角度为0时造成溢出现象，对于故障电压信号过零点前后各5度的故障情况都按照5度来计算，这种考虑经过仿真测试分析在所要满足的误差范围之内。

④构造神经网络测距模型

本发明提出基于小波包分解提取非故障相暂态电流分量频带特征测度矢量特征，并将其映射到距离平面以实现馈线的单相接地故障测距。前已分析清楚基于此原理上能影响故障测距的各种因素，并对其一一作出了排除，故能确保构造故障模式集的完整性和相应故障测距的准确性。除此之外，对故障测距不受影响的因素有：消弧线圈，稳定的负荷电流，故障馈线的总长度等。因此，为神经网络提供了较确定分布的故障模式空间，这在一定程度上，可提高故障测距神经网络模型的推广(或泛化)能力，从而能保证故障测距的精度。基于非故障相暂态电流频带特征测度矢量和神经网络相结合的单相接地故障测距流程如图1所示。

本发明的多相接地故障测距方法的实施例：

对于两相或三相故障则采用故障暂态电流信息作为故障测距的依据，具体实现步骤如下：

①小波包特征序列的提取。

利用保护信息判断出两相或三相故障后，获得任意故障相的故障暂态电流数据或录波数据，利用正交小波(如Db5)生成的正交小波包进行分解故障暂态电流数据，当采样频率为10KHz，分解到6层，则每频带的频率范围为：[j*78.125，(j+1)*78.125]Hz，j＝0，1，Λ2⁶-1，64个频带中较高频带可以去除，选择范围在[0，1250]Hz的前16个频带。为了减少计算，可以先用小波分解2层得到[0，1250]Hz频带的序列，再用正交小波包分解4层即可得到小波包频带特征序列集{WPj_i}，其中频带序号j＝0，1，Λ，15，i为该频带上的序列点号。为了消除小波分解过程的边界效应，在得到的序列中要去除一定数量的边界点，如序列两端各3到5个边界点。

②故障特征矢量的求取。

令c_j(n)为待分解的信号，进行1次正交小波分解可得到平滑信息c_j+1(n)和细节信息d_j+1(n)为

其中：{h_n}和{g_n}为多尺度分析(MRA)中定义的共轭滤波器。对各频带的分解序列求取1范数，作为多相故障的特征频带的特征值。范数的计算公式为：

$\mathrm{PI}\left(j\right)=\underset{k}{\mathrm{\Σ}}\left|{\mathrm{WTj}}_k\right|----\left(4\right)$

其中{WTj_k}为小波分解后第j频带上的分解序列。PI(j)为第j时频带上的1范数，即该频带上的时频信号的积分，表示该频带信号的强度大小，类似于时域信号中面积积分所求的幅值。

在(3)式中的各频带特征序列按照式(4)计算小波序列的特征测度，得到故障特征测度矢量的元素，即WPM＝{WPM0，WPM1，Λ，WPM15}为所求的故障特征矢量。

③构造测阻和测距组合的多级分布式神经网络故障测距模型

针对多相故障的故障电流受过渡电阻影响较大的问题，提出了多级分布式神经网络测距模型，如图2所示，其原理是先进行过渡电阻的测试，再根据过渡电阻的大小选择所对应的测距神经网络，实现精确测距的目的。

对于过渡电阻识别神经网络模块，输入样本空间需要考虑全面的故障距离变化和过渡电阻变化的整个故障空间，为了提高收敛速度，故障点的变化步长可以选择较大一些，因为测量过渡电阻不需要太高的精度，只要在测量的一定范围内即可，这样可以利用神经网络的泛化能力提高故障测距的精度。

构造分布式的测距神经网络模型系统，是为了使各个测距神经网络模型仅在一个较小的过渡电阻变化范围内实现故障测距，这样使得对于不同过渡电阻区间的非线性特性影响的差异性的泛化能力提高，有利于减少故障测距误差，从而提高精度。对于测距神经网络模型的个数一般要根据过渡电阻的影响程度决定，个数过少，收敛困难且误差大，根据大量的仿真训练经验，一般取4～8个。对于过渡电阻间隔的划分不能按等值划分，对于过渡电阻较小区间时应细分，而对于大电阻情况，过渡电阻对故障暂态电流频带特征的变化影响不大可粗分割。

本发明的该故障测距原理可广泛用于配电系统非有效接地的任何配电网系统中，不仅可以独立形成故障测距装置，也可与变电站综合自动化间隔单元结合，实现信息共享完成故障测距的计算。

Claims (9)

1.一种基于小波分解频带特征的馈线单相故障测距方法，其特征是，利用非故障相暂态电流分量作为故障测距信息，包括以下步骤：

a采集数据：实时采集正常情况下的负荷电流瞬时值序列i_前；

b单相接地保护的故障检测：基于单相接地保护方法进行接地保护的故障暂态电流瞬时值序列i_后的检测；

c获得故障暂态分量数据或对应的录波数据：检测出接地故障后，按照Δi＝i_后-i_前求取故障分量；

d采用正交小波包分解提取频带特征测度矢量：利用正交小波生成的正交小波包进行分解暂态电流分量数据或录波数据；令c_j(n)为待分解的信号，进行1次正交小波分解可得到平滑信息c_j+1(n)和细节信息d_j+1(n)；

其中：{h_n}和{g_n}为多尺度分析(MRA)中定义的共轭滤波器；对各频带的分解序列求取1范数，作为接地故障的特征频带的特征值；范数的计算公式为：

$\mathrm{PI}\left(j\right)=\underset{k}{\mathrm{\Σ}}\left|{\mathrm{WTj}}_k\right|---\left(2\right)$

其中：{WTj_k}为小波分解后第j频带上的分解序列，PI(j)为第j时频带上的1范数，即该频带上的时频信号的积分，表示该频带信号的强度大小，类似于时域信号中面积积分所求的幅值；

对(1)式中的各频带特征序列按照式(2)计算小波序列的特征测度，得到故障特征测度矢量的元素，即WPM＝{WPM0，WPM1，Λ，WPM15}为所求的故障特征矢量；

e对频带特征测度矢量做故障角度修正方法的计算：对非故障相高频暂态部分j＝2，3，…，15做出如下角度修正，以故障瞬时角为90°为基准，计算不同故障角度时，非故障相对应序列频带测度值相对与基准之比，作为角度归算系数K_θ＝WPMj_θ/WPMj_90°，θ∈[0°，360°]。

2.根据权利要求1所述的一种基于小波分解频带特征的馈线单相故障测距方法，其特征是，利用Db5正交小波生成的正交小波包进行分解录波数据，当采样频率为10KHz，分解到6层，每频带的频率范围为：[j*78.125，(j+1)*78.125]Hz，j＝0，1，Λ2⁶-1。

3.根据权利要求2所述的一种基于小波分解频带特征的馈线单相故障测距方法，其特征是，先用小波分解2层得到[0，1250]Hz频带的序列，再用正交小波包分解4层即可得到小波包频带特征序列集{WPji}，其中频带序号j＝0，1，Λ，15，i为该频带上的序列点号。

4.根据权利要求1所述的一种基于小波分解频带特征的馈线单相故障测距方法，其特征是，所述测距方法还包括以下步骤：

a系统参数设定；

b利用EMP/ATP软件生成学习故障模式集；

c采用正交小波包分解提取频带特征测度矢量集；

d按故障瞬时角度修正方法计算获得频带特征测度矢量集；

e以频带特征测度矢量集为样本训练神经网络，直至收敛；

f生成检测单相故障测距的网络权矩阵。

5.根据权利要求1所述的一种基于小波分解频带特征的馈线单相故障测距方法，其特征是，对于具有相同参数条件下的带分支馈线的单相接地故障测距，首先将带分支馈线看作等参数、等长度的直配线的故障测距问题，其测量所得的故障距离即为从母线到故障点的距离，不需换算；其次，不管是单分支结构，还是多分支或级联多分支或多分节点结构都按照这种等值原则进行有效的折算。

6 一种基于小波分解频带特征的馈线多相故障测距方法，其特征是，利用故障电流信息作为故障测距信据，包括以下步骤：

a多相故障保护检测：利用多相故障保护方法进行故障检测；

b获得故障暂态电流数据或录波数据：保护检测出故障后，获得任意故障相的故障暂态电流或录波数据；

c采用正交小波包分解提取频带特征测度矢量：利用正交小波生成的正交小波包进行分解故障暂态电流数据；令c_j(n)为待分解的信号，进行1次正交小波分解可得到平滑信息c_j+1(n)和细节信息d_j+1(n)为

其中：{h_n}和{g_n}为多尺度分析(MRA)中定义的共轭滤波器；

对各频带的分解序列求取1范数，作为多相故障的特征频带的特征值；范数的计算公式为：

$\mathrm{PI}\left(j\right)=\underset{k}{\mathrm{\Σ}}\left|{\mathrm{WTj}}_k\right|---\left(4\right)$

其中{WTj_k}为小波分解后第j频带上的分解序列，PI(j)为第j时频带上的1范数，即该频带上的时频信号的积分，表示该频带信号的强度大小，类似于时域信号中面积积分所求的幅值；

对(3)式中的各频带特征序列按照式(4)计算小波序列的特征测度，得到故障特征测度矢量的元素，即WPM＝{WPM0，WPM1，Λ，WPM15}为所求的故障特征矢量。

7.根据权利要求6所述的一种基于小波分解频带特征的馈线多相故障测距方法，其特征是，利用Db5正交小波生成的正交小波包进行分解录波数据，当采样频率为10KHz，分解到6层，每频带的频率范围为：[j*78.125，(j+1)*78.125]Hz，j＝0，1，Λ2⁶-1。

8.根据权利要求6所述的一种基于小波分解频带特征的馈线多相故障测距方法，其特征是，先用小波分解2层得到[0，1250]Hz频带的序列，再用正交小波包分解4层即可得到小波包频带特征序列集{WPj_i}，其中频带序号j＝0，1，Λ，15，i为该频带上的序列点号。

9.根据权利要求6所述的一种基于小波分解频带特征的馈线多相故障测距方法，其特征是，所述测距方法还包括以下步骤：

a系统参数设定；

b利用EMTP/ATP软件生成学习故障模式集；

c采用正交小波包分解提取频带特征测度矢量集；

d以频带特征测度矢量集分别训练测阻和分布测距神经网络，直至收敛；

e生成测阻和多相故障测距的网络权矩阵。

Images