基于K－means分类和BP神经网络的故障电弧辨识方法

摘要

cqvip:针对随着负载种类增多,BP神经网络的电弧故障辨识成功率不断下降的问题,提出一种基于K-means分类算法和BP神经网络组合的故障电弧辨识方法。通过快速傅里叶变换得到负载电流波形的特征值,再由K-means算法进行负载分类,对分类后的负载波形分别做小波变换得到细节特征值,将小波细节特征值和时域特征值输入至与负载类型对应的BP神经网络进行故障识别。试验结果表明,基于K-means负载分类和BP神经网络的辨识方法故障电弧辨识成功率达到96.41%,有效解决了负载类型增多时BP神经网络难以收敛且成功率降低的问题。