基于Hebb與BP神經網絡組合的故障電弧辨識方法

黃偉翔， 張峰， 張士文

(上海交通大學 電子信息與電氣工程學院，上海 200240)

0 引 言

在日常生活和工作中，火災時有發生，威脅著人們的人身和財產安全，特別是隨著經濟的飛速發展，火災發生幾率大大增加。2016年，全國共發生火災31.2萬起，其中由于電氣故障引發的火災占總數的30.4%。住宅線路因長時間使用或受外力影響，絕緣層容易出現老化和破損，發生串并聯電弧故障。電弧發生時，會產生大量的熱，易引燃周圍的易燃物，從而引發火災。與傳統電氣故障相比，故障電弧的電流幅值變化較小，傳統的電氣故障防護和保護裝置無法識別，無法有效防護故障電弧的發生，使得故障電弧成為引發電氣火災的主要原因[1]。

國內對于低壓交流故障電弧的識別算法還處于研究階段，基于電弧的電學特性，提出的識別方法包括光熱傳感、電流變化率、小波頻段分析[2]、自組織映射神經網絡[3]等。

本文提出一種基于Hebb與誤差反向傳播(Back Propagation, BP)神經網絡組合的故障電弧辨識方法，通過離散快速傅里葉變換分析波形的低頻分量，并通過Hebb神經網絡對負載類型進行識別與分類，再對每一類負載進行小波變換特征量的計算，通過該負載所對應的BP神經網絡對故障電弧進行識別。本文最后通過MATLAB仿真驗證了該方法對識別故障電弧具有很高的成功率。

1 基于Hebb的負載分類方法

小波分析的BP神經網絡對于識別特定負載的故障電弧的針對性強，判斷成功率高，但在實際應用中，負載類型多種多樣，隨著負載類型的增多，提供給BP神經網絡用于訓練的樣本數也大大增加，由于BP神經網絡本身結構的限制，不同負載波形樣本雜糅在一起使BP神經網絡臃腫，識別度下降?！?br>