基于bp神经网络的绝缘子泄漏电流量预测方法 prediction of electric current leakage of insulator based on bp neural network.pdfVIP

浙 江 电 力 年第 期 ! *+,-./01 ,2,345.3 678,5 !# $ 基于 神经网络的绝缘子泄漏电流量预测方法 ! #$%’()* )+ ,-$’(#’ ./##$*( 0$1213$ )+ 4*5/-1()# !15$% )* ! 6$/#1- 6$(7)#2 $ ! $ 陈 升 ，王基一 ，应伟国 % 金华电业局，浙江 金华 ； 浙江师范大学数理和信息学院，浙江 金华 ) $ ’!$$# ! ’!$( 摘要：电力系统中绝缘子泄漏电流量跟很多因素有关，其预测模型是一个复杂系统，采用普通的拟合 方法，很难找到合适的映射函数。将 神经网络应用到绝缘子泄漏电流量预测中，建立预测模型， 96 测试结果表明，该预测模型的预测误差小于 $: ，达到实际生产对模型的要求。 关键词： 神经网络；预测； 算法 96 96 中图分类号：4;’= ( 文献标识码：/ 文章编号：$# $$% !# ) $ $ = 型来描述? = A 。所以，很难精确的预测在一定条 8 引言 件下绝缘子泄漏电流量。以往电力运行人员的 电力系统绝缘子要保证线路和变电所在大 做法是根据多年收集的绝缘子盐密值，用经 气过电压和长期运行电压下均能安全运行，可 验定义一个数学模型，用该模型预测绝缘子 是，大气环境污染程度日益加重，绝缘子表面 泄漏电流量。然而由于绝缘子泄漏电流量与 沉积的污秽越多，就大大降低了绝缘子的绝缘 其相关的量并不是可以用精确的数学模型所 性能，增加了绝缘子的放电强度，使得在电力 能表达的，所以该方法没有科学性，预算的 系统运行中的高压输电线路流经绝缘子串的泄 结果与实际的误差也必然比较大。 漏电流增大，由此会造成绝缘子污闪而跳闸停 为更好的预测绝缘子泄漏电流量，我们 电? $ @ ( A 。分析绝缘子泄漏电流的大小，有以下 设法将 96 神经网络应用到绝缘子泄漏电流量 几个方面的影响：设备的电压、绝缘子串的绝 模型中，建立了绝缘子泄漏电流量与其相关 % ) 缘强度 即绝缘子的爬距 、空气湿度及高湿度 参数的预测模型，通过测试，该模型的预测 状况下的影响时间、附在绝缘子上的污秽% 即 相对误差小于 $: ，可满足电网系统生产运行 ) 盐密 ，温度。设备电压越高，空气湿度越 管理的要求。 大，高空气湿度持续影响的时间越长，附在绝 9 传统的方法 % ) 缘子串上的污秽越多 盐密值越大 ，温度适 宜，绝缘子的绝缘强度越低% ) 当流经绝缘子串的泄漏电流足够大时， 爬距小 ，其泄漏 电流越大。 绝缘子