基于MODWT和BP神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)故障診斷方法

陳佳慧, 高彥杰, 靳一瑋

(上海電力大學(xué) 電子與信息工程學(xué)院, 上海 200090)

近年來(lái),微電網(wǎng)作為一種新型網(wǎng)絡(luò)結(jié)構(gòu),充分發(fā)揮了分布式電源具備的可靠性高、環(huán)保節(jié)能等各項(xiàng)優(yōu)勢(shì)[1],越來(lái)越受到重視和青睞,電力用戶(hù)對(duì)其供電可靠性也提出了更高的要求。微電網(wǎng)建設(shè)中一個(gè)不可或缺的環(huán)節(jié)是微電網(wǎng)的故障診斷和恢復(fù)。它能保證微電網(wǎng)安全、穩(wěn)定地運(yùn)行,因此研究微電網(wǎng)的故障診斷是十分有意義的。

目前,人工智能方法被廣泛用于電網(wǎng)故障診斷研究中,如夏昌浩等人[2]使用了貝葉斯網(wǎng)絡(luò)和粗糙集理論相結(jié)合的方法對(duì)現(xiàn)有網(wǎng)絡(luò)進(jìn)行故障診斷,提高了診斷能力和速度;薛征宇等人[3]提出了支持向量機(jī)的方法對(duì)電機(jī)軸承進(jìn)行了有效故障識(shí)別;馬路林等人[4]采用了BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法,提高了汽輪發(fā)電機(jī)組的故障診斷準(zhǔn)確率。此外,很多研究還廣泛采用離散小波變換(Discrete Wavelet Transform,DWT)對(duì)信號(hào)進(jìn)行特征提取[5]。然而,DWT變換雖然很受青睞但也存在問(wèn)題,如:基于DWT的小波系數(shù)能量法被用于檢測(cè)故障引起的瞬變問(wèn)題,在高阻抗故障(嚴(yán)重)的A相接地短路故障的情況下,此方法可能無(wú)法檢測(cè)到故障,同時(shí)還存在依賴(lài)母小波和延時(shí)等問(wèn)題[6];DWT變換用于時(shí)間序列的分析,存在對(duì)時(shí)間序列的起始點(diǎn)非常敏感的問(wèn)題[7]。基于以上分析,本文提出了基于極大重疊離散小波變換(Maximum Overlap Discrete Wavelet Transform,MODWT)和反向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)的微電網(wǎng)故障診斷方法。該方法利用MODWT變換來(lái)提取信號(hào)的特征,對(duì)故障的起始點(diǎn)沒(méi)有要求,不具備降采樣過(guò)程,可以保留信號(hào)的完整性,且能處理任何樣本大小,因此可以提高故障分類(lèi)的準(zhǔn)確率,從而使性能更優(yōu)。……