一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法

针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。

基于支持向量机的低压串联故障电弧识别方法研究

针对串联故障电弧发生时线路电流幅值较小传统线路保护装置不能进行有效检测的情况,提出一种基于支持向量机(SVM)的串联故障电弧识别方法。该方法利用自制的电弧发生装置模拟串联故障电弧,采集典型负载在正常回路和故障电弧回路中的电流数据,采用该数据训练基于支持向量机的串联故障电弧辨识模型。经实验证明,该辨识模型可以实现对典型线性负载和非线性负载回路中串联故障电弧的特征识别,最高识别准确率可达96%。该方法对硬件电路要求低,识别效率高,并且可以实现故障电弧波形的存储和处理,具有一定参考价值。