基于小波神经网络的井下配电网故障测距

摘要

针对煤矿井下配电网馈线故障测距不易解决这一难题,本文在仿真分析了井下配电网电缆线路单相接地故障发生后稳态及暂态波形特点的基础上,提出利用小波包分析提取故障暂态信息进行故障点准确定位的方法。考虑到特定频段小波包分解模极大值与故障点距离的映射关系,采用3次B样条小波进行二进小波包分解提取特定频段模极大值,并利用神经网络较强的非线性拟合能力、泛化能力,拟合上述映射关系以达到测距目的。
　　本文在分析“松散型”小波神经网络应用于故障测距所存在不足的基础上,构建了“紧致型”小波神经网络,并提出改进BP算法训练小波神经网络。利用遗传算法、粒子群优化算法分别对小波神经网络和RBF神经网络进行参数优化,并将优化后的网络用于故障定位问题。仿真结果证实了较之传统“松散型”小波神经网络,基于遗传算法的“紧致型”小波神经网络和基于改进粒子群优化算法的RBF小波神经网络能够实现测距的准确性、可靠性和稳定性,使测距精度得到了保证。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1 引言

1.2 故障测距研究现状及分析

1.3 本文主要研究内容和创新点

2 井下配电网仿真建模及故障特征量的选择

2.1 井下配电网仿真建模

2.2 故障特征量的选择

2.3 小结

3 “松散型”BP与RBF小波神经网络用于故障测距的研究

3.1 小波包分析理论及其在电力系统中的应用

3.2 神经网络理论及其在电力系统中的应用

3.3 基于BP小波神经网络的故障测距

3.4 基于RBF小波神经网络的故障测距

3.5 小结

4 “紧致型”小波神经网络用于故障测距的研究

4.1 “紧致型”小波神经网络的结构和参数调整算法

4.2 故障测距小波神经网络模型及初始参数的确定

4.3 学习样本集的建构

4.4 BP算法WNN与改进BP算法WNN测距性能对比分析

4.5 小结

5 GA优化小波神经网络用于故障测距的研究

5.1 GA理论及其在电力系统中的应用

5.2 GA优化小波神经网络的学习算法

5.3 基于GAWNN的故障测距

5.4 小结

6 PSO算法及GA优化RBF神经网络用于故障测距的研究

6.1 PSO算法理论及其在电力系统中的应用

6.2 改进PSO算法

6.3 改进PSO算法优化RBF神经网络的学习算法

6.4 GA优化RBF神经网络的学习算法

6.5 PSO算法与GA优化RBF神经网络测距性能对比分析

6.6 小结

7 结论

参考文献

作者简历

学位论文数据集