基于神經(jīng)網(wǎng)絡的電力系統(tǒng)故障定位與診斷.pdf

1、電力系統(tǒng)故障定位和故障診斷是對電力系統(tǒng)故障進行快速準確處理的重要保證,也是保證電力系統(tǒng)安全穩(wěn)定運行的重要環(huán)節(jié).該文對BP網(wǎng)絡和kohonen網(wǎng)絡這兩種具有代表性的傳統(tǒng)神經(jīng)網(wǎng)絡在故障選相方面的表現(xiàn)進行了分析.分析結(jié)果表明,BP網(wǎng)絡具有較好的自學習能力和聚類能力,但是收斂速度較慢,容易陷入局部極小點.針對此問題,該文構(gòu)建了一種基于Sigmoid函數(shù)的小波神經(jīng)網(wǎng)絡,將其應用于故障選相中,并與BP網(wǎng)絡故障選相進行了較為詳細的比較.比較結(jié)果表明,

2、該種小波神經(jīng)網(wǎng)絡優(yōu)于BP網(wǎng)絡,在故障選相方面有不錯的表現(xiàn).對于故障測距,由于神經(jīng)網(wǎng)絡在樣本較多的情況下難于收斂,該文提出了一種分塊訓練模式,使每個子模塊中的樣本數(shù)量大大較少,網(wǎng)絡能比較迅速地收斂.該文采用小波神經(jīng)網(wǎng)絡根據(jù)該種分塊訓練模式實現(xiàn)故障測距,并對結(jié)果進行了分析和討論,為該種分塊模式訓練的小波神經(jīng)網(wǎng)絡在故障測距方面的實際應用打下了一定的基礎(chǔ).該文采用小波神經(jīng)網(wǎng)絡實現(xiàn)了電力系統(tǒng)故障診斷.在此基礎(chǔ)上,引入粗糙集這種比較新穎的數(shù)據(jù)挖掘工