基于小波神经网络的电网故障诊断研究.pdf

《基于小波神经网络的电网故障诊断研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、<电气开关>(2011．No．6)23文章编号：1004—289X(2011)06-0023-03基于小波神经网络的电网故障诊断研究朱俊敏，景利学，饶克克(兰州交通大学自动化与电气工程学院，甘肃兰州730070)摘要：分析了小波神经网络的基本原理，将小波神经网络引入到电网故障诊断并在4母线系统进行了测试。仿真结果表明，该方法具有很好的故障诊断能力，与基于BP神经网络的电网故障诊断方法相比，基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想。关键词：小波神经网络；故障诊断；BP神经网络中图分类号：TM71文献标识码：BResearchofPowerNetwor

2、kFaultDiagnosisBasedonWaveletNeuralNetworkZHUJun—min，JINGLi—Xtl,e，RAOlie—ke(SchoolofAutomationandElectricalEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China)Abstract：Theprincipleofwaveletneuralnetworkisanalyzed．Thewaveletneuralnetworkisladtopowernetworkfaultdiagnosisandtestedonf

3、ourbus—barsystems．Thesimulationresultsshowthatthemethodisoffinefaukdiagnnesisabili—ty．ThepowerfaultdiagnosismethodbasedonwaveletneuralnetworkhassimpleprincipleandbetterresultcomparedwiththemethodbasedonBPneuralnetwork．Keywords：waveletneuralnetwork；faultdiagnosis；BPneuralnetwork络；后者是目前研究

4、小波神经网络的文献中广泛采用1引言的结构形式，其结构如图l所示，它用小波函数代替常电网故障诊断对于事故后系统快速恢复正常运行规神经网络隐含层Sigmoid函数作为激活函数，相应具有重要意义。作为事故恢复的第一步，应实现快速的神经网络的输入层到隐含层的权值及隐含层阈值分准确的故障诊断以隔离故障元件，然后采取相应的措别由小波函数的尺度参数和平移参数代替，它充分继施以恢复供电¨。电网故障诊断一般基于SCADA系承了小波分析和神经网络两者的优点，能够自适应地统所提供的保护和断路器信息来判别电网中的故障元调整小波基的形状，具有良好的函数逼近能力和模式件，多种人工智能方法已用于电

5、网故障诊断．3J。神分类能力】。为提高故障识别效率，本文选用了紧凑经网络具有自学习和较强的容错能力，但使用最为广型小波神经网络。泛的BP神经网络具有收敛速度慢，易陷于局部最优∽等不足J，因此本文将小波神经网络引入电网的故障诊断。∽2小波神经网络原理)2．1小波神经网络的结构图1小波神经网络结构小波神经网络分为松散型和紧凑型。前者利用小隐含层激活函数如式(1)：波进行故障特征提取，然后将所得数据输人到神经网)=鱼()'1≤≤基金项目：甘肃省教育厅硕士生导师项目(编号：619011)网络输出如式(2)：<电气开关》(2011．No．6)hP()=∑()，1≤i≤q(2))

6、，)，设netj=∑09jk()，则可得⋯=1=1参数a．i，bij在网络学习中与输出权值一起通过(netj))(6)某种算法进行修正。该小波神经网络类似于RBF神经网络，但可以借助于小波分析理论，指导网络的初始化Yi()=厂(∑O-)ij．b(netj))(7)和参数选取，使网络具有较简单的拓扑结构和较快的网络训练过程基于BP思想，按梯度下降法调整收敛速度。网络权值，文中选择训练误差为10～。2．2网络的节点数的选择如果小波神经网络的输人层有P个神经元，对于3电网故障诊断仿真电网故障诊断问题来讲，P等于电力网络中所有保护将一个简单的4母线电力网络用作测试系统，如继电

7、器和断路器的总数，这些继电器和断路器的状态图3所示。系统共有9个元件：4条母线B一B，一台作为神经网络的输人。假设有个训练样本，那么训变压器T1和4条输电线路L】一L4。在仿真过程中，只练样本集可以表示为(t)∈R，t=1，⋯，Ⅳ。假设所考虑简化的保护配置系统，即包括输电线路主保护诊断的电网中共有Ⅳ个元件，如输电线路、母线和变MLP和后备保护BLP，母线主保护MBP和变压器主保压器等，确定这些元件的状态为故障或正常是诊断的护MTP[引。最终目的，则小波神经网络输出层的神经元数目为g=N。隐含层节点的选择可参考文献[4]中的经验公式。h=v／p—q+1