基于指定元分析與PCA-BP神經網絡的接地網故障診斷研究.pdf

1、發(fā)、變電站接地網對于電力系統的可靠運行和工作人員的人身安全起著重要作用。然而接地網因長期埋在地下,運行條件惡劣,腐蝕不可避免,從而導致電氣性能的惡化,嚴重時將直接危及電網的安全穩(wěn)定運行。因此,迫切需要找到一種簡單、準確、無損的地網狀態(tài)檢測方法,實現不斷電、不開挖情況下的狀態(tài)檢測,以便及時發(fā)現故障,防患于未然。目前,神經網絡、主元分析和指定元分析等信息處理技術已成為新的研究熱點,這為解決接地網故障診斷中的諸多難題提供了一條有效途徑。

2、>　　本文首先對接地網故障診斷的發(fā)展、現狀及存在的問題進行了綜述,重點對現有接地網故障診斷的電網絡法進行了分析。同時,針對其測量過程中可能出現的影響因素進行了探討,分析了減少誤差的有效措施。
　　在此基礎上,介紹了主元分析和BP神經網絡診斷的基本原理,闡述了BP神經網絡在故障診斷上的優(yōu)勢。但由于BP算法受到其自身算法的限制,在對其網絡進行訓練時需要很大的訓練樣本和相當長的訓練時間,而且隨著訓練樣本維數的增大,網絡的性能會變差,這些

3、缺點將使得故障診斷的效率不能達到最優(yōu)。針對這個問題,本文將PCA與BP相結合,構建PCA-BP網絡模型,應用主元分析方法對BP網絡輸入進行線性組合,以降低輸入向量維數,提高輸入數據對故障的敏感性,最終達到使網絡簡化、訓練時間縮短的目的,提高BP網絡在故障診斷中的識別能力。接地網的診斷實例表明,PCA-BP網絡對接地網故障狀態(tài)的識別率明顯高于單獨使用BP網絡時的識別率,驗證了該方法的有效性。
　　針對傳統主元分析法因模式復合現象而不