基于CMAC神经网络的低压故障电弧检测.pdfVIP

第26卷 第2期 山东 建 筑 大学 学 报 V01．26 No．2 2011经 4月 J0URNAL OF SHAND0NG JIANZHU UNIVERSITY Apr． 2011 文章编号 ：1673—7644(2011)02—0105—05 基于CMAC神经网络的低压故障电弧检测 段培永 ，窦甜华 ，杨修文 ，郭东东 ，邹苒 (1．山东建筑大学 智能建筑技术重点实验室，山东 济南 250101；2．山东城市建设职业学院 图书馆，山东 济南 250101) 摘要：低压供配电线路中的故障电弧由于其电流值小，不足以使传统断路器动作，且电路中存在与故障电弧波 形特征相似的负载，使故障电弧成为产生电气火灾的主要原因之一。采用单一判据判断故障电弧，误判率较 高。通过搭建实验平台，有效模拟建筑物低压供配电线路中的故障电弧 ，分析故障电弧特征 ，提取出表征故障 电弧的特征量。使用 CMAC神经网络建立模型，将各周期采样点均值的差值和小波高频系数两种判据融合 ，克 服单一判据的不确定性和局限性，所提出的信息融合方法可有效提高辨识故障电弧的准确率。 关键词：CMAC神经网络；故障电弧；检测；信息融合 中图分类号：TP183 文献标识码：A Faultarcingdetection forbuildinglow voltagelinesbased onCMAC neuralnetwork DUAN Pei-yong，DOU Tian—hua，YANG Xiu-wen，eta1． (ShandongProvincialKeyLaboratoryofIntelligentBuildingTechnology，ShandongJanzhuUniversity，Jinan250101， China) Abstract：ThevalueofarcingfaultcurrentiStoosmalltomakethetraditionalcircuitbreakertocutoff thepowersupply，andthereareloadswhichhavethesimilarcharacterstoracingfaultinthecircuit， SOarcingfaultisoneofthemajorcausesofelectricalfire．Simplexcriterionusedtodetectafultarcing hastheshortcomingofhighmiscarriagerate．Inthispaper，theafultracingofbuildinglowvoltagedis— tributionlinesissimulatedthroughbuildinganexperimentplatform andthecharacteristicsofafultra- cingareextracted．CMACneuralnetworkisusedtobuildamodeltofusetwocriteriawhicharethe differencesofthemeanvaluesofsamplepointspercycleandthewavelethigh~equencycoefficientto overcometheuncertaintyandlimitationofsimplexcriterion，andthepresentedmethodofthemulti—in- formationfusioncanimprovetheaccuracyofidentifyingfauharcingeffectively． Keywords：CMACneural network；arcingafult；detection；infomr ationfusion 收稿 日期：2010一l1—22 基金项 目：国家 自然科学基金项 目