基于RBF神经网络在高压断路器故障诊断的研究.pdf

嘭：名胡2007年第26卷第4期 基于RBF神经网络在高压断路器故障诊断的研究 罗小安 翁陈宇 (西南交通大学电气自动化研究所 610031) 摘要针对高压断路器的故障诊断，通过分析断路器的合闸电流波形，提取相应的特征量， 并经过一定的预处理作为神经网络的输入。由于BP神经网络存在的训练收敛速度慢且容易陷入局 部极小、网络初值对学习性能影响比较大等缺陷，提出了一种基于交替梯度训练法RBF网络的故 障诊断方法。仿真结果表明，RBF网络训练速度快、分类性能良好，有很好的实用性。 关键词 故障诊断 交替梯度算法 RBF网络高压断路器 真结果也表明了该方法的有效性。 1 引言 2径向基函数神经网络结构及训练算法 高压断路器在电网中起着控制和保护的双重作 用，是电力系统中非常重要的开关设备，并且数量 2．1 RBF神经网络结构【5J描述 众多。它发生故障会引起电网事故或扩大事故，甚 网络的结构如图1所示，为多输入单输出，若 至会引起电力系统网络的崩溃，造成相当大的经济 多输入多输出只要在输出层再加上输出单元就可， 及其他方面的损失。因此，对高压断路器进行早期 由三层神经元即(输入层、隐含层、输出层)组成， 预测、监测及故障诊断是保证系统安全运行的重要 属于前馈网络结构。 手段之一，也有利于实现科学的状态检修，从而最 大限度地提高电力系统运行的可靠性。 随着对断路器的故障机理研究的深入，用于故 障诊断的方法有各种各样u。4j。目前，人工神经网 络技术的应用越来越受到有关管理、科研、运营和 工程技术人员的重视，是国内外的一个研究热点， 特别是对径向基函数(RBF)神经网络技术在各领 Q， 域的应用研究。这是因为它与BP前馈神经网络相比 图1 RBF神经网络结构 具有网络结构简单、全局逼近能力强、训练简洁、 图中，输入模式向量x=[z。，省：，…，菇。]网络 收敛速度快、准确率高等各种优点[4。7]。基于以上 的输出层为隐含层的线性组合，对于有后个隐含节 优点，因此本文采用交替梯度算法的径向基函数神 点的神经网络，其输出Y为后个隐神经元节点的线 经网络b，7 J，针对高压断路器的具体情况，分析了合 性组合，即 闸电流波形在各种故障时的变化，此变化的波形中 ：y+ 蕴藏着极为重要的信息，可以反映断路器的运行状 Y：y+2一_J阢·Zi彤i‘ (1)(1) 态，比如有无铁心卡滞、线圈状态(是否有短路 式中，y为输出层所加偏置项；形；为第i个隐神经 匝)、铁心顶杆连接的铁闩和阀门的状态等情况，因 元对输出的权重；Zi为第i个神经元对输入向量x 此通过提取电流波形的相关特征量，然后训练神经 的响应。隐含层神经元采用高斯基函数，如图2所 网络，就可实现对线圈操作电流的监测。技术人员 示。 和运行人员就可以清楚了解断路器二次控制回路的 工作状况、铁心的运动有无卡滞及相关机械部分的 耻唧{-峻芦) ㈤ 运动情况，为断路器的维护和状态检测提供了一个 式中，x为第i个隐含神经元输入模式向量；G为 重要的判据，提高了高压断路器运行的可靠性。仿 第i个基函数中心，且Ci与x同维数；盈为第i 一5f)一 基于RBF神经网络襁高压断路器故障诊断的研究 嘭毫勇闻2007年第26卷第4期