基于小波神经网络的井下配电网故障测距

论文摘要

针对煤矿井下配电网馈线故障测距不易解决这一难题，本文在仿真分析了井下配电网电缆线路单相接地故障发生后稳态及暂态波形特点的基础上，提出利用小波包分析提取故障暂态信息进行故障点准确定位的方法。考虑到特定频段小波包分解模极大值与故障点距离的映射关系，采用3次B样条小波进行二进小波包分解提取特定频段模极大值，并利用神经网络较强的非线性拟合能力、泛化能力，拟合上述映射关系以达到测距目的。本文在分析“松散型”小波神经网络应用于故障测距所存在不足的基础上，构建了“紧致型”小波神经网络，并提出改进BP算法训练小波神经网络。利用遗传算法、粒子群优化算法分别对小波神经网络和RBF神经网络进行参数优化，并将优化后的网络用于故障定位问题。仿真结果证实了较之传统“松散型”小波神经网络，基于遗传算法的“紧致型”小波神经网络和基于改进粒子群优化算法的RBF小波神经网络能够实现测距的准确性、可靠性和稳定性，使测距精度得到了保证。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 故障测距研究现状及分析
• 1.2.1 阻抗测距法
• 1.2.2 行波测距法
• 1.2.3 信号注入法
• 1.2.4 其它测距方法
• 1.3 本文主要研究内容和创新点
• 1.3.1 本文主要研究内容
• 1.3.2 本文创新点
• 2 井下配电网仿真建模及故障特征量的选择
• 2.1 井下配电网仿真建模
• 2.1.1 仿真建模软件和数值分析工具的选择
• 2.1.2 建立仿真模型
• 2.2 故障特征量的选择
• 2.3 小结
• 3 “松散型”BP 与 RBF 小波神经网络用于故障测距的研究
• 3.1 小波包分析理论及其在电力系统中的应用
• 3.1.1 小波分析简介
• 3.1.2 小波包理论及其在电力系统中的应用
• 3.2 神经网络理论及其在电力系统中的应用
• 3.2.1 BP 网络的结构和算法
• 3.2.2 RBF 网络的结构和算法
• 3.3 基于 BP 小波神经网络的故障测距
• 3.3.1 小波基的选择
• 3.3.2 分解尺度的选择
• 3.3.3 BP 网络结构参数的选择
• 3.3.4 样本形成与测距结果
• 3.4 基于 RBF 小波神经网络的故障测距
• 3.5 小结
• 4 “紧致型”小波神经网络用于故障测距的研究
• 4.1 “紧致型”小波神经网络的结构和参数调整算法
• 4.2 故障测距小波神经网络模型及初始参数的确定
• 4.3 学习样本集的建构
• 4.4 BP 算法 WNN 与改进 BP 算法 WNN 测距性能对比分析
• 4.5 小结
• 5 GA 优化小波神经网络用于故障测距的研究
• 5.1 GA 理论及其在电力系统中的应用
• 5.2 GA 优化小波神经网络的学习算法
• 5.3 基于 GAWNN 的故障测距
• 5.4 小结
• 6 PSO 算法及 GA 优化 RBF 神经网络用于故障测距的研究
• 6.1 PSO 算法理论及其在电力系统中的应用
• 6.2 改进 PSO 算法
• 6.3 改进 PSO 算法优化 RBF 神经网络的学习算法
• 6.4 GA 优化 RBF 神经网络的学习算法
• 6.5 PSO 算法与 GA 优化 RBF 神经网络测距性能对比分析
• 6.6 小结
• 7 结论
• 参考文献
• 作者简历
• 学位论文数据集