电工技术学报
電工技術學報
전공기술학보
TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY
2014年
6期
290-295,302
,共7页
张士文%张峰%王子骏%顾昊英%宁庆
張士文%張峰%王子駿%顧昊英%寧慶
장사문%장봉%왕자준%고호영%저경
故障电弧%小波变换%神经网络%粒子群算法%辨识方法
故障電弧%小波變換%神經網絡%粒子群算法%辨識方法
고장전호%소파변환%신경망락%입자군산법%변식방법
Arc fault%wavelet transformation%neural network%particle swarm optimization%identification method
针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法.利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号.对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识.采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度.算法输出结果含义明确,输入层特征量选取合理.实验结果表明,采用该方法进行故障电弧辨识的准确率达到95％以上.
針對交流串聯型故障電弧髮生時迴路電流幅值較小、傳統線路保護裝置不能有效檢測的問題,提齣一種基于小波變換能量與神經網絡結閤且適用于多種典型負載的串聯型低壓交流故障電弧辨識方法.利用自製的電弧髮生裝置模擬產生低壓交流故障電弧,穫取瞭6種典型傢用負載情況下電路正常運行及產生串聯型故障電弧時迴路的電流信號.對採集的信號進行小波分解,將各層細節信號能量的平均值和標準差輸入BP神經網絡後構成小波神經網絡,實現對不同負載測試樣本的辨識.採用粒子群優化算法計算神經網絡訓練初始值,利用自適應學習率方法提高瞭訓練速度.算法輸齣結果含義明確,輸入層特徵量選取閤理.實驗結果錶明,採用該方法進行故障電弧辨識的準確率達到95％以上.
침대교류천련형고장전호발생시회로전류폭치교소、전통선로보호장치불능유효검측적문제,제출일충기우소파변환능량여신경망락결합차괄용우다충전형부재적천련형저압교류고장전호변식방법.이용자제적전호발생장치모의산생저압교류고장전호,획취료6충전형가용부재정황하전로정상운행급산생천련형고장전호시회로적전류신호.대채집적신호진행소파분해,장각층세절신호능량적평균치화표준차수입BP신경망락후구성소파신경망락,실현대불동부재측시양본적변식.채용입자군우화산법계산신경망락훈련초시치,이용자괄응학습솔방법제고료훈련속도.산법수출결과함의명학,수입층특정량선취합리.실험결과표명,채용해방법진행고장전호변식적준학솔체도95％이상.
