基于BP神经网络的煤矿配电网故障测距研究
【摘 要】本文提出了一种基于小波分析与BP神经网络的煤矿配电网故障测距方法。该方法首先采用小波包提取故障暂态零序电流的模极大值，并在小波基函数、分解尺度、BP网络各参数选择等方面进行了分析，进而在BP神经网络训练的基础上，将各故障特征的模极大值输入到BP网络中进行测试，输出了故障发生的位置。大量仿真实验表明，该方法在不同接地电阻及故障距离情况下，均能准确计算出故障发生的位置。
【关键词】神经网络；故障测距；小波包；相对误差
0 引言
我国矿井配电网多为6kV单侧电源供电系统，采取中性点非有效接地方式，属于小电流接地系统（NUGS）。馈电回路选用多段短电缆径向延伸为各种井下高低压电机、电气设备、照明及各种通信、自动化装置和仪表、仪器提供电能。由于井下工作环境恶劣，供电电缆经常发生接地、断线、短路等故障，据电力部门统计，其中单相接地故障的发生率最高。尽管发生单相接地故障时，线电压仍然对称，暂时不影响对负荷的连续供电，但就矿井这类危险易爆场所而言，当发生单相接地故障时，应尽快跳闸断电以确保安全。为此，必须及时对故障点进行定位、排除故障、加快恢复线路供电。
NUGS馈线的故障定位问题一直以来未得到满意的解决，这与其自身的特点有关。由于电网变压器中性点不直接接地，造成单相接地电流无法形成小阻抗回路，故障电流主要由线路对地电容电流提供，其数值较小，且基波分量幅值故障前后变化不大，使得定位保护装置很难准确进行故障选线和定位。考虑到井下环境条件和负荷的特殊性，矿井配电网与传统意义上的NUGS存在一定的差异：单相接地产生的暂态分量较稳态分量大得多，暂态波形畸变严重，应研究利用暂态电气量进行故障测距的可行性；馈电线路分支少、长度短，对测距精度要求高[1]。
鉴于上述原因，本文就井下配电网故障测距问题进行研究，以期提高故障测距的精度和可靠性。
1 BP网络的结构和算法
BP网络结构上类似于多层感知器，是一种多层前馈神经网络，网络权值的训练算法为误差反向传播（BP）学习算法。如图1所示为一典型3层BP网络模型。
图1 3层BP网络模型
以图示BP网络模型为例说明网络的学习过程：
（1）初始化。为每个连接权值wij、wjt、阀值θj、θt赋予（-1，1）区间的随机值。
（2）给定输入输出目标样本。给定输入向量Xp=（x1，x2，...，xn）和期望目标向量Tp=（t1，t2，...，tm），p∈1，2，...，P。...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
