基于Hebb与BP神经网络组合的故障电弧辨识方法

基于Hebb与BP神经网络组合的故障电弧辨识方法基于Hebb与BP神经网络组合的故障电弧辨识方法摘要：故障电弧是电力系统中一种常见的故障形式，其发生会给电网带来严重的危害，因此对故障电弧进行准确的辨识和定位是保障电网安全运行的重要任务之一。本文提出了一种基于Hebb与BP神经网络组合的故障电弧辨识方法，通过采集故障电弧的电流、电压和频率等特征参数，利用Hebb神经网络和BP神经网络相结合的方法进行辨识。实验结果表明，该方法能够有效地辨识故障电弧，并提供准确的故障定位。关键词：故障电弧、辨识、Hebb神经网络、BP神经网络、特征参数1.引言随着电力系统规模的不断扩大和电力负荷的快速增长，电力系统中出现故障电弧的概率也随之增加。故障电弧在电力系统中的传播速度快、能量大，容易引发火灾、爆破等严重事故，给电网带来极大的安全隐患。因此，准确地辨识和定位故障电弧成为保障电网安全运行的关键之一。2.故障电弧辨识方法的研究现状目前，对故障电弧的辨识方法主要有传统的数学模型方法和神经网络方法。传统的数学模型方法主要依靠物理模型和信号处理技术来进行辨识，然而这种方法对故障电弧的特征参数要求较高，且容易受到传感器噪音等因素的影响。神经网络方法由于其对非线性问题具有较强的逼近能力，因而在故障电弧辨识上得到了广泛的应用。3.故障电弧辨识方法的设计本文提出的基于Hebb与BP神经网络组合的故障电弧辨识方法主要包括以下几个步骤：3.1特征参数提取通过采集故障电弧的电流、电压和频率等特征参数，构建特征向量。特征参数的选择需要考虑其与故障电弧的物理机制之间的关系，以及对于辨识的重要性。3.2Hebb神经网络训练利用特征参数构建的特征向量作为输入，采用Hebb神经网络对故障电弧进行训练。Hebb神经网络是一种无监督学习的神经网络，其学习规则基于神经元之间的连接强度，通过不断调整连接强度来实现模式识别。3.3BP神经网络训练将Hebb神经网络训练得到的输出作为BP神经网络的输入，利用BP神经网络对故障电弧进行进一步训练。BP神经网络是一种监督学习的神经网络，其学习规则基于误差反向传播算法，通过不断调整神经元之间的连接权值来实现模式识别。3.4故障电弧辨识与定位将训练得到的神经网络模型应用于实际的故障电弧辨识和定位中，通过对输入特征向量的处理，可以得到对应的故障电弧辨识结果和故障电弧的位置信息。4.实验结果与分析本文在真实的故障电弧数据集上进行了实验，结果表明，基于Hebb与BP神经网络组合的故障电弧辨识方法能够有效地辨识不同类型的故障电弧，并提供准确的故障定位结果。与传统的数学模型方法相比，该方法具有更好的鲁棒性和泛化能力。5.结论本文提出了一种基于Hebb与BP神经网络组合的故障电弧辨识方法，通过采集故障电弧的电流、电压和频率等特征参数，并利用Hebb神经网络和BP神经网络相结合的方法进行辨识。实验结果表明，该方法能够有效地辨识故障电弧，并提供准确的故障定位。将来可以进一步完善该方法，提高故障电弧辨识的准确性和实时性。参考文献：[1]GuanX,LiX,FangJ,etal.Faulttypeidentificationusingdeepneuralnetworks[J].IEEETransactionsonPowerDelivery,2020,35(1):167-175.[2]LiuC,ZhangB,YangY,etal.Deepneuralnetwork-basedfaultidentificationinpowerdistributionsystems[J].IEEETransactionsonIndustrialInformatics,2019,15(2):1202-1211.[3]SaadS,AkhtarN,IslamS.Identificationofarcingfaultsindistributionsystemsusingwavelet-A