基于Hebb與BP神經(jīng)網(wǎng)絡(luò)組合的故障電弧辨識(shí)方法

基于Hebb與BP神經(jīng)網(wǎng)絡(luò)組合的故障電弧辨識(shí)方法基于Hebb與BP神經(jīng)網(wǎng)絡(luò)組合的故障電弧辨識(shí)方法摘要：故障電弧是電力系統(tǒng)中一種常見(jiàn)的故障形式，其發(fā)生會(huì)給電網(wǎng)帶來(lái)嚴(yán)重的危害，因此對(duì)故障電弧進(jìn)行準(zhǔn)確的辨識(shí)和定位是保障電網(wǎng)安全運(yùn)行的重要任務(wù)之一。本文提出了一種基于Hebb與BP神經(jīng)網(wǎng)絡(luò)組合的故障電弧辨識(shí)方法，通過(guò)采集故障電弧的電流、電壓和頻率等特征參數(shù)，利用Hebb神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行辨識(shí)。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地辨識(shí)故障電弧，并提供準(zhǔn)確的故障定位。關(guān)鍵詞：故障電弧、辨識(shí)、Hebb神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、特征參數(shù)1.引言隨著電力系統(tǒng)規(guī)模的不斷擴(kuò)大和電力負(fù)荷的快速增長(zhǎng)，電力系統(tǒng)中出現(xiàn)故障電弧的概率也隨之增加。故障電弧在電力系統(tǒng)中的傳播速度快、能量大，容易引發(fā)火災(zāi)、爆破等嚴(yán)重事故，給電網(wǎng)帶來(lái)極大的安全隱患。因此，準(zhǔn)確地辨識(shí)和定位故障電弧成為保障電網(wǎng)安全運(yùn)行的關(guān)鍵之一。2.故障電弧辨識(shí)方法的研究現(xiàn)狀目前，對(duì)故障電弧的辨識(shí)方法主要有傳統(tǒng)的數(shù)學(xué)模型方法和神經(jīng)網(wǎng)絡(luò)方法。傳統(tǒng)的數(shù)學(xué)模型方法主要依靠物理模型和信號(hào)處理技術(shù)來(lái)進(jìn)行辨識(shí)，然而這種方法對(duì)故障電弧的特征參數(shù)要求較高，且容易受到傳感器噪音等因素的影響。神經(jīng)網(wǎng)絡(luò)方法由于其對(duì)非線性問(wèn)題具有較強(qiáng)的逼近能力，因而在故障電弧辨識(shí)上得到了廣泛的應(yīng)用。3.故障電弧辨識(shí)方法的設(shè)計(jì)本文提出的基于Hebb與BP神經(jīng)網(wǎng)絡(luò)組合的故障電弧辨識(shí)方法主要包括以下幾個(gè)步驟：3.1特征參數(shù)提取通過(guò)采集故障電弧的電流、電壓和頻率等特征參數(shù)，構(gòu)建特征向量。特征參數(shù)的選擇需要考慮其與故障電弧的物理機(jī)制之間的關(guān)系，以及對(duì)于辨識(shí)的重要性。3.2Hebb神經(jīng)網(wǎng)絡(luò)訓(xùn)練利用特征參數(shù)構(gòu)建的特征向量作為輸入，采用Hebb神經(jīng)網(wǎng)絡(luò)對(duì)故障電弧進(jìn)行訓(xùn)練。Hebb神經(jīng)網(wǎng)絡(luò)是一種無(wú)監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)規(guī)則基于神經(jīng)元之間的連接強(qiáng)度，通過(guò)不斷調(diào)整連接強(qiáng)度來(lái)實(shí)現(xiàn)模式識(shí)別。3.3BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練將Hebb神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的輸出作為BP神經(jīng)網(wǎng)絡(luò)的輸入，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)故障電弧進(jìn)行進(jìn)一步訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)是一種監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)規(guī)則基于誤差反向傳播算法，通過(guò)不斷調(diào)整神經(jīng)元之間的連接權(quán)值來(lái)實(shí)現(xiàn)模式識(shí)別。3.4故障電弧辨識(shí)與定位將訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于實(shí)際的故障電弧辨識(shí)和定位中，通過(guò)對(duì)輸入特征向量的處理，可以得到對(duì)應(yīng)的故障電弧辨識(shí)結(jié)果和故障電弧的位置信息。4.實(shí)驗(yàn)結(jié)果與分析本文在真實(shí)的故障電弧數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，結(jié)果表明，基于Hebb與BP神經(jīng)網(wǎng)絡(luò)組合的故障電弧辨識(shí)方法能夠有效地辨識(shí)不同類(lèi)型的故障電弧，并提供準(zhǔn)確的故障定位結(jié)果。與傳統(tǒng)的數(shù)學(xué)模型方法相比，該方法具有更好的魯棒性和泛化能力。5.結(jié)論本文提出了一種基于Hebb與BP神經(jīng)網(wǎng)絡(luò)組合的故障電弧辨識(shí)方法，通過(guò)采集故障電弧的電流、電壓和頻率等特征參數(shù)，并利用Hebb神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行辨識(shí)。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地辨識(shí)故障電弧，并提供準(zhǔn)確的故障定位。將來(lái)可以進(jìn)一步完善該方法，提高故障電弧辨識(shí)的準(zhǔn)確性和實(shí)時(shí)性。參考文獻(xiàn)：[1]GuanX,LiX,FangJ,etal.Faulttypeidentificationusingdeepneuralnetworks[J].IEEETransactionsonPowerDelivery,2020,35(1):167-175.[2]LiuC,ZhangB,YangY,etal.Deepneuralnetwork-basedfaultidentificationinpowerdistributionsystems[J].IEEETransactionsonIndustrialInformatics,2019,15(2):1202-1211.[3]SaadS,AkhtarN,IslamS.Identificationofarcingfaultsindistributionsystemsusingwavelet-A