小波包能量和LM-BP神经网络的发电机机端故障类型识别.pdfVIP

电子质量 （2016第07期） 小波包能量和LM-BP神经网络的发电机机端故障类型 识别 FaultTypeIdentificationofGeneratorTerminalBasedonWaveletPacketEnergyandLM-BP Network （ 孙其东 山东科技大学电气与自动化工程学院,山东青岛266590） SunQi-dong(TheCollegeofElectricalEngineeringandAutomation,ShandongUniversityof ScienceandTechnology,ShandongQingdao266590) ： ，提出了以下检测方法。利用小波 摘 要 为了准确且快速地检测同步发电机出现的各种突然相短路故障 包对采集到的相电流进行三层分解和重构。对第三层小波包重构的小波系数进行能量计算并进行归一 化处理，然后把处理后的24个值作为BP神经网络的输入数据同时采用LM算法来进行训练和测试。同 时与标准BP神经网络的训练效果进行了对比，LM算法优化BP神经网络的训练具有收敛速度快，精确 率高的特点。搭建了同步发电机的MATLAB仿真模型对发生各种出现的突然相故障类型进行了仿真， LM-BP神经网络训练和测试的结果表明此方法能够准确地判断发电机所发生的相故障以及故障类型。 ： ；小波包； ；仿真 关键词 同步发电机 LM算法；能量计算 ： ： ： 中图分类号 TM301 文献标识码 A 文章编号 1003-0107(2016)07-0020-05 Abstract: Inordertoaccuratelyandrapidlydetectallfaultsofsynchronousgeneratorsuddenphaseshort circuit,thefollowingtestmethodisproposed.Makeuseofwaveletpackettodothreelayersofreconstruction oncollectedphasecurrent.Doenergycalculationandnormalizedprocessingonthewaveletcoefficientsof thethreelayersofdecompositionreconstruction,thenputprocessedtwenty-fourvaluesasinputdatatothe BPneuralnetworkusingLMalgorithmfortrainingandtesting.Atthesametimecomparedwiththestandard BPneuralnetworktrainingeffect,LMalgorithmtooptimizetheBPneuralnetworkstrainingeffecthasthecha- racteristicsoffastconvergencerateandhighprecisionrate.SettingupaMATLABsimulationmodelfor the generatorofallkindsofsuddenphasefaultissimulated.ThetrainingandtestingresultsofLM-BPnetworks-