基于BP神经网络的配电网故障区段定位优化方法研究

发布时间：2020-11-10 23:14

　　 配电网故障定位是快速准确处理配电网故障的重要保证,也是保证电力系统安全稳定运行的重要环节,它的发展与新理论、新技术的研究密不可分。本文结合BP神经网络在当前故障预测方面的优势,进行了BP神经网络、遗传优化BP神经网络(GA-BP神经网络)以及粒子群优化BP神经网络(PSO-BP神经网络)在配电网故障定位的研究。本文首先通过分析BP神经网络的基本原理,将基于BP神经网络的配电网故障定位方法成功运用到典型的手拉手配电网系统。同时考虑到目前多电源结构的情况,用模块区域划分的思想对多电源复杂拓扑结构进行分区,使其简化为多个单电源配电网模型,从而大大简化了配电网拓扑结构的复杂度。由于传统BP神经网络存在初始权值和阈值难以确定的缺点,导致收敛速度慢、易陷入局部极小值等弱点,无法达到目前配电网故障诊断的要求。为此本文通过遗传算法中选择、交叉和变异等操作对BP神经网络的权值与阈值进行优化,并将GA-BP神经网络在单电源配电网故障定位模型中进行Matlab仿真试验,结果表明GA-BP神经网络在配电网故障定位的有效性。粒子群算法在对神经网络的训练方面具有很大的潜力,其运行速度比较快,而且也没有遗传算法中的“交叉”、“变异”等复杂操作,因此本文将PSO-BP神经网络应用于配电网故障定位。用粒子群算法的迭代来替代BP神经网络中的梯度修正,有效的加快了BP神经网络的收敛速度以及避免局部最优解情况的发生,并通过与GA-BP神经网络仿真的训练曲线及误差精度进行对比,可以发现PSO-BP神经网络的收敛速度和对故障定位的正确性都有很大的提高。最后,本文将三种神经网络中故障定位能力最佳的PSO-BP神经网络运用到配电网故障定位仿真系统。仿真结果表明PSO-BP神经网络对配电网故障判断准确,反应迅速,完全满足配电网故障诊断的要求。同时该仿真系统以Visual Basic 6.0软件进行可视化界面设计,操作简单,可视化强,能够方便的供用户使用。
【学位单位】：湖北民族学院
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TM732
【部分图文】：

0.0000 0.0000 0.0048 0.00420.0000 0.0000 0.0031 0.03020.0000 1.0000 0.0072 0.99900.0592 0.0010 0.0026 0.0141S1 故障 S5 故障 S1 故障 S5 故障从诊断结果可以发现，用于测试的两组样本都能够准确的找到故障发，说明将 BP 神经网络应用于配电网故障定位是完全可行的。但是单3-3 的诊断结果并不能看出 GA-BP 神经网相比较传统 BP 神经网络的优因此，为了进一步比较两种网络的性能，得到两种情况下的误差曲线图 3-5、图 3-6 所示，并且两种网络测试和训练样本的仿真误差结果 所示。

图 3-6 GA-BP 网络训练误差曲线Fig.3-6 GA-BP network training error curve表 3-4 测试与训练样本仿真误差结果Tab.3-4 Test and training sample simulation error results参数 传统 BP 神经网络 优化后 BP 神经网络测试样本误差 0.059165 0.054596训练样本误差 0.11978 0.074172通过比较，测试样本的误差由 0.059165 下降到 0.054596，训练样本的 0.11978 下降到了 0.074172，两者误差的较少表明了遗传算法对 BP 神始值训练效果显著。这是因为优化后的 BP 神经网络所得到的初始权不再是随机值，而是经过遗传算法的选择得到最佳的初始值，从某种说使优化具有了一定的目标性，从而防止了传统 BP 神经网络在选取

湖北民族学院硕士学位论文同时，为了进一步说明 PSO 优化 BP 神经网络的优越性，可以与 G网络进行仿真比较，其中 GA 的种群大小为 30，进化代数为 50 次，95，交叉概率为 0.7，变异概率为 0.01。算例分析依然以上一章节中的算例为例进行仿真如图 3-4 所示，对应的配电网时相应的输入信息集合和输出信息集合如表 3-1、表 3-2。将故障样本集合作为输入代入网络，这里仍然选择第 1、第 5 作为测代入建立好的模型。仿真之后得到两种 BP 神经网络训练误差曲线随的变化情况分别如图 4-2、图 4-3 所示。
【参考文献】

相关期刊论文 前10条

1 李苗苗;;自动化技术在输配电及用电工程中的应用研究[J];低碳世界;2017年18期

2 刘鹏程;李新利;;基于多种群遗传算法的含分布式电源的配电网故障区段定位算法[J];电力系统保护与控制;2016年02期

3 付家才;陆青松;;基于蝙蝠算法的配电网故障区间定位[J];电力系统保护与控制;2015年16期

4 郭丽伟;薛永端;徐丙垠;蔡燕春;张少凡;;中性点接地方式对供电可靠性的影响分析[J];电网技术;2015年08期

5 赵金宪;涂展;谢阳;;粒子群改进算法在配电网故障定位中的应用[J];黑龙江科技大学学报;2014年03期

6 黄佳乐;杨冠鲁;;配电网故障区间定位的改进矩阵算法[J];电力系统保护与控制;2014年11期

7 石东源;熊国江;陈金富;李银红;;基于径向基函数神经网络和模糊积分融合的电网分区故障诊断[J];中国电机工程学报;2014年04期

8 齐郑;乔丰;黄哲洙;李砚;张惠汐;饶志;;基于暂态分量遗传算法的小电流接地故障定位方法[J];电力系统保护与控制;2014年01期

9 罗毅;程宏波;吴浩;李莺;;一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法[J];重庆邮电大学学报(自然科学版);2012年01期

10 王磊;陈青;高湛军;;输电网故障诊断的知识表示方法及其应用[J];中国电机工程学报;2012年04期

相关硕士学位论文 前5条

1 蒋亮;BP神经网络的优化研究及应用[D];南昌大学;2014年

2 柳涛;基于智能算法的配电网故障区间定位[D];湖南大学;2013年

3 吕琼帅;BP神经网络的优化与研究[D];郑州大学;2011年

4 孙娓娓;BP神经网络的算法改进及应用研究[D];重庆大学;2009年

5 韦肖燕;基于G3A算法的配电网故障定位研究[D];长沙理工大学;2009年

本文编号：2878439