基于MWOA-Elman神经网络的接地网瞬变电磁缺陷识别

为改进当前瞬变电磁探测系统的局限,提高接地网缺陷识别的效率与精度,提出一种MWOA-Elman神经网络,完成数据由采样到成像的转化过程,快速实现视电阻率成像,精准识别接地网的不同缺陷。首先,通过理论计算完成接地网瞬变场参数样本集,构造Elman神经网络的单映射关系。其次,围绕收敛因子、自适应权重与阈值对鲸鱼算法进行改进,用改进鲸鱼算法(modified whale optimization algorithm, MWOA)优化Elman神经网络的权值和阈值。测试结果表明,MWOA-Elman神经网络在第854步收敛,4项误差指标MAE、MSE、RMSE、MAPE分别为0.103 51、0.040 09、0.126 64和0.333 52%,接地网缺陷识别精度为99.678%,识别效率与精度均优于其他模型。最后,通过分析3×3接地网3种典型缺陷位置的成像结果,验证了MWOA-Elman神经网络应用于接地网缺陷识别的有效性,为嵌入瞬变电磁探测系统的智能算法提供参考。

评价交流接地网施工及运行可靠性的相关问题分析

结合现场测试情况以及解决部分接地施工验收争议问题的经验,提出接地网评价的主要指标,如:电气完整性测试结果、接地电阻校核、接触及跨步电压校核、接地网导体通流容量验算、所处土壤的电阻率及pH值。以上指标均能定量,易于形成评价分值。对新建投运与运行多年两类情况,各指标所占权重应有差异。在运行中的发、变电站内,采用变频电流注入,可降低测试接触及跨步电压的不确定度。因土壤电阻率与入地电流频率间有关系,采用变频不宜偏离工频超过10Hz。在不同温、湿度条件下测量,接地网电阻有一定差异,这种差异有时会达到25%。