基于BP算法的鐵路配電網故障診斷研究

摘 要：通過分析鐵路配電網的特點，針對鐵路電網故障的不確定性因素與故障數據種類繁多的特點，采用BP算法進行故障診斷，先研究鐵路電網的故障類型，然后分析BP算法的訓練過程，最終設計并實現了基于BP算法的鐵路電網故障診斷。

關鍵詞：鐵路電網 故障診斷 BP算法

中圖分類號：TM711 文獻標識碼：A文章編號：1674-098X（2012）12（c）-00-01

鐵路電力系統是鐵路運輸的靈魂，而在鐵路電力系統中，鐵路配電網是其運行的關鍵，它直接影響著鐵路上的行車安全，是鐵路系統中的核心[1]。但是由于鐵路配電網線路復雜，工程面積大，人工查找配電網故障原因存在很多困難，而配電管理自動化水平還處于較低的水平[2]。所以，需要一種智能的故障診斷法應用于鐵路配電網的故障診斷中。

1 鐵路配電網的主要特點

鐵路配電網與普通電網相比，它的主要特點是其接線為單一輻射網，自閉貫通線出線少且和自閉線同為雙端電源結構，通常為單電源供電。此外，其母線與變壓器等設備與普通電網區別不大，但自動化水平較低，電路信息量大，可用于故障診斷的信息較多。鐵路配電網的故障類型主要分為四大類：輸電線路故障、母線故障、系統振蕩、系統瓦解[3]。該文主要針對的是鐵路配電網的輸電線故障。

2 BP算法訓練流程

BP神經網絡在故障診斷中廣泛應用的原因是它具有學習能力、分類和識別與知識處理能力。BP算法在故障診斷中的工作原理為：輸入信號從輸入層經隱含層逐層處理，直至輸出層 。若輸出層得不到期望輸出，則轉入反向傳播，根據預測誤差調整網絡權值與閥值，從而使預輸出不斷地逼近期望輸出。

3 BP算法的鐵路配電網故障診斷

BP神經網絡中輸入變量即征兆變量，不失一般性，取具有代表性的電網性能參數：發電機、變壓器、線路的容量與電壓以及線路電流，分別用，，···，表示，取一組樣本作為示例。BP神經網絡隱含層神經元的傳遞函數采用對數型傳遞函數logsig，輸出層神經元傳遞函數采用線性激活函數purelin。本例將隱含層節點數設為10，最大訓練次數為1000次，最小均方誤差為le-8。網絡訓練性能如圖1所示，網絡訓練代碼如下：

4 結語

該文設計的基于BP算法鐵路配電網故障診斷經過多次仿真測試，故障診斷效果良好，該方法效果顯著，具有一定的意義。

參考文獻

[1] 錢清泉.路配電目自動化發展與展望[C]//中國科協2004年學術年會鐵道分會場論文集.北京：中國科學技術出版社，2004.

[2] 舒輝.配電網故障信息管理廈診斷系統[D].成都西南交通大學電氣工程學院，2008.

[3] 芮靜康.常見電氣故障的診斷與維修[M].北京：機械工業出版社，2007.