基于極限學習機與概率神經(jīng)網(wǎng)絡的接地網(wǎng)故障診斷.pdf

1、發(fā)、變電站接地網(wǎng)是電力系統(tǒng)中不可或缺的重要組成部分，接地系統(tǒng)的工作狀態(tài)直接影響到工作人員的安全、電力系統(tǒng)的穩(wěn)定運行和電氣設備的正常工作。我國主要采用碳鋼作為接地體，由于長年埋于地下，接地網(wǎng)導體的腐蝕造成接地網(wǎng)電氣性能參數(shù)惡化，嚴重時直接危及電力系統(tǒng)安全運行，因此，研究接地網(wǎng)故障診斷具有重要意義。鑒于此，本文對接地網(wǎng)模型的構(gòu)建、基于極限學習機的接地網(wǎng)故障定位方法以及應用概率神經(jīng)網(wǎng)絡的接地網(wǎng)腐蝕程度的識別等進行了較深入的研究。
　　本

2、文采用純電阻線性網(wǎng)絡的接地網(wǎng)穩(wěn)態(tài)模型，提出了基于RBF神經(jīng)網(wǎng)絡的接地網(wǎng)故障診斷方法。以支路斷裂時的可及節(jié)點電壓為訓練樣本對網(wǎng)絡進行訓練，只需要把待診斷接地網(wǎng)的可及節(jié)點電壓送入訓練好的網(wǎng)絡機進行診斷，根據(jù)輸出結(jié)果即可定位斷裂支路。仿真結(jié)果表明，此方法在定位接地網(wǎng)斷裂支路上是可行的。在此基礎上，將極限學習機引入接地網(wǎng)故障診斷。對診斷結(jié)果進行分析可知此方法解決了采用RBF神經(jīng)網(wǎng)絡的單故障診斷結(jié)果誤差較大的問題，且受故障位置與激勵位置的影響較小

3、，是一種診斷準確率高且穩(wěn)定性強的方法。同時，考慮到雙故障時訓練樣本的龐大與輸入時的誤差，對極限學習機進行了改進，即通過觀察識別率，排序最有可能的幾條故障支路，并引入白噪聲擾動。診斷結(jié)果表明，改進后的極限學習機不需要獲取龐大雙故障訓練樣本，僅利用單故障訓練樣本就能較為準確地定位雙斷點故障，大大提高了診斷效率，并且對輸入誤差具有較大的相容度。
　　針對接地網(wǎng)故障模式較多分類困難的問題，提出了結(jié)合主元分析(PCA)與概率神經(jīng)網(wǎng)絡(PNN