基于模糊神经网络的低压配电系统故障诊断方法研究

作者:闫亮; 刊名:科学技术创新 上传者:王书芬

【摘要】为了提高低压配电系统故障诊断的准确性,缩短故障诊断时间,提出一种基于模糊神经网络的低压配电系统故障诊断方法。首先利用模糊集理论对采集到的故障信号进行模糊预处理,然后利用三层前向型BP神经网络对故障信号进行诊断,为了提高模型的泛化性和学习效率,在神经网络模型中引入了动量项,并采用了自适应学习速率进行学习。该方法对于提高低压配电系统故障诊断的准确性和效率提供了保障,具有重要的应用价值。

全文阅读

1概述低压配电系统是由变电站内各种电气设备组成的一个错综复杂的系统[1]。低压配电系统发生故障时,会发生部分元器件失效,引起保护电路动作,从而影响了配电网络的正常运行[2]。因此需要对低压配电系统的故障进行准确、及时的诊断和排除[3]。低压配电系统的故障诊断就是通过检测和分析故障时系统中的电流、电压等物理量以及保护机构的动作时间等信息,准确判断出存在故障的电气设备。因此,如何对低压配电系统的故障进行快速准确的诊断,已经成为当前供电领域中的一个研究热点,受到了越来越多人们的重视。低压配电系统在发生事故后,大量的故障信息会在极短的图1故障诊断流程时间内传输到控制中心。利用传统的故障诊断方法经常不能保障故障诊断的及时性和准确性等要求,从而导致故障的扩大。其中:为此,在国内外诸多学者对配电系统故障诊断领域研究成果的。此处fd用来约束相邻基础上,提出一种基于模糊神经网络的低压配电系统故障诊断模糊集的距离,这样对于任意f,都能保证、和方法。该方法结合了模糊集理论和BP神经网络理论,详细阐述中至少有一个大于0.5,则低压配电系统中的测量信号经过模了如何利用模糊神经网络对低压配电系统的故障进行诊断。糊化处理后能够转换为:。2基于模糊神经网络的故障诊断方法对于低压配电系统中一个难以用具体数值描述的信号,则基于模糊神经网络的低压配电系统故障诊断系统的框架如可以根据实际需要对其隶属度进行估计,也可以根据经验或者图1所示。厂家技术人员的建立来设定。低压配电系统发生故障时,电流、电压等电信号首先传输到2.2建立神经网络的故障诊断模型。在人的大脑中,存在着信号采集模块,然后对采集到的电信号进行模糊预处理,接下上百亿个神经元细胞,每个细胞又同时与数万个神经细胞相连来,经过模糊预处理的电信号进入到神经网络故障诊断模块,接,从而构成一个复杂的神经系统。神经网络就是根据大脑中最后由神经网络故障诊断模块输出诊断结果。对采集的电信号的神经系统提出来的一种网络系统,用来解决复杂的非线性问的要求是,其必须能够准确反映被测点的准确位置和当前状题。数学中的神经网络实际上是一种运算模型,在神经网络中,态。大量的节点(或称神经元)之间相互连接。其中每一个节点都表2.1测量信号的模糊预处理。信号采集模块对接收到的测量示一个特定的输出函数(或称激励函数),任意两个节点之间的信号,首先需要确定测量信号模糊隶属度。对测量信号进行模连接都用一个权值表示连接程度的紧密,该权值被称为权重,糊隶属度处理能够对各类型的故障进行模糊性的刻划。确定适相当于人的记忆。神经网络根据权重值和激励函数的不同而输当的隶属度函数,是利用模糊集理论诊断低压配电系统故障的出不同的结果,这实际上也是一种逻辑策略的表达。因此,每一基础。文中选取函数作为采集信号的隶属度函数,其表达个神经元都可以看做是一个n输入、单输出的逻辑单元。设置某个输入的测量信号为xi,则其对神经元的影响程度(即连接权为:。其中,为函数的重)为wi。在低压配电系统中,输入的测量信号时强时弱,当其总和超过某一预设阀值,则神经元进入兴奋状态,产生输出;当其总和低于预设阀值时,则神经元进行抑制状态,不产生输半径,c为中心点。从该公式能够得知,函数是中间对称型函出数。在神经元中,输入信号与输出信号之间的关系为:。。令测量信号为f,当低压配电系统正常运行时,则必然存在一个最佳值f0,该值能够确保低压配电系统处于最稳定的状态;在此基础上,建立的低压配电系统的神经网络故障诊断模同时存在一个f型为max和一个fmin,分别为低压配电系统在各种运行BP神经网络模型,它是由输入层、隐含层

参考文献

引证文献

问答

我要提问