基于BP神经网络的低压配电网生命体触电识别方法研究

现有剩余电流保护器多以总剩余电流有效值作为动作判据,阈值固定,且无法识别触电类型,因而提出基于自适应阈值和BP神经网络的低压配电网生命体触电识别方法。总剩余电流信号经Mallat算法消噪处理,由得到的低频分量构造出自适应阈值,用于确定触电发生时刻,提取能表征生命体特性的统计量特征,对BP神经网络进行训练,建立触电类型识别模型。物理仿真实验表明,该方法能够满足剩余电流保护器所要求的速动性和可靠性,触电类型识别准确率达99.93%,对于开发新一代剩余电流保护器具有参考价值。

基于小波分析和概率神经网络的触电事故识别方法

针对现有剩余电流保护装置难以识别触电事故的问题,提出一种基于小波高频分布特征和概率神经网络的触电事故识别新方法.利用S变换对包含触电电流的剩余电流信号进行频谱分析,发现触电时刻高频分量存在幅值突增现象;通过小波多分辨分析提供的多尺度频率窗口提取其各层小波高频分布,利用量纲一化处理后的各层小波高频分布突变量的累计和,量化剩余电流信号前5层高频特征描述触电事故;充分考虑触电事故发生时间的随机性,对所提取的小波特征进行类别划分;构建基于PNN的触电事故识别模型,并按指定步长对定义域内网络平滑参数进行寻优,同时采用均值聚类方法优化网络构.结果表明:触电时刻剩余电流信号500 Hz以上高频段幅值存在明显突变,量纲一化处理后的各层小波高频分布幅值突变量累计和能较好地描述各层小波高频分布对应阶段的幅值突增现象;所建立的PNN网络模型最优平滑参数区间为0.15~0.29,对应的触电事故最佳识别率为95.5%.

基于有限脉冲反应和径向基神经网络的触电信号识别

针对农村低压电网剩余电流保护与动作技术中,如何检测总泄漏电流中人体触电支路电流的难题,该文利用严格线性相位与任意幅度特性的FIR(finite impulse response)数字滤波技术和具有自适应性与最佳逼近特性的RBF(radial basis function)神经网络有机结合,提出一种基于FIR数字滤波的RBF神经网络作为触电电流信号的检测方法。首先,采用FIR数字滤波器选定合适的窗函数和滤波阶数,对触电试验获得的总泄漏电流及触电电流进行滤波预处理;然后,将预处理后的信号波形作为样本集,选定适合的RBF函数,建立从总泄漏电流中提取触电电流波形的3层RBF神经网络模型。仿真试验结果表明:该方法速度快且稳定,检测值与实际值的平均相对误差为3.76%,具有良好的适应性和实用性,对于研制新一代剩余电流保护动作装置具有重要意义。

基于长短期记忆神经网络的生命体触电电流检测

针对当前低压配电网剩余电流保护设备只能依靠剩余电流幅值作为保护机构动作依据,无法识别触电特征的问题,提出了基于小波分解降噪和长短期记忆(LSTM)神经网络的低压配电网生命体触电电流检测方法。首先将总剩余电流信号通过小波分解算法进行降噪,然后将降噪后的生命体触电电流波形作为输入,对LSTM神经网络进行训练,建立生命体触电电流检测模型。仿真实验表明:该方法在速度和准确率上与卷积神经网络(CNN)和反向传播(BP)神经网络相比有明显优势,能够满足剩余电流保护装置速动性的要求,并且稳定性好,生命体触电识别准确率高,对新一代的继电保护设备的研究与开发具有一定的参考价值。

农网低压配变台区漏电保护器运行研究

由于用户操作不规范以及用户设备老化引起台区总漏电保护装置经常性误动并难以恢复投运,为了保证供电可靠性,不得不降低总漏保投运率,但难以兼顾用电安全性。本文从实际出发分析总结农网漏保投运的实际情况及原因,通过对泄漏电流的组成及形成原因分析,提出了将触电识别的方法应用于漏电保护器,改善漏电保护器在农网低压配变运行中的误动率,在提高农网供电可靠性的同时提高用电安全性。

低压配电的触电保护技术及其发展

长期以来,低压配电网人身触电事故时有发生,触电已成为社会公共安全的一大风险。触电保护是一项系统工程,涉及剩余电流保护技术与低压接地型式两大方面内容以及两方面技术的协调配合问题。首先介绍剩余电流保护技术和触电故障识别方法的研究和应用现状,阐述低压配电网、用电设备的接地型式以及触电保护的合理配置,分析实际运行中在配电网侧与用户侧接地和保护的协调配合中存在的问题及安全风险,最后对当前低压配电触电保护技术需进一步研究和完善的问题进行了总结与展望。