基于小波包变换和量子神经网络的触电故障类型识别模型

被引：25

作者：

关海鸥 ^{[1
]}

刘梦 ^{[1
]}

李春兰 ^{[2
]}

杜松怀 ^{[3
]}

李伟凯 ^{[1
]}

机构：

[1] 黑龙江八一农垦大学电气与信息学院

[2] 新疆农业大学机械交通学院

[3] 中国农业大学信息与电气工程学院

来源：

农业工程学报 | 2018年 / 34卷 / 05期

基金：

中国博士后科学基金;

关键词：

电流检测; 诊断; 算法; 低压电网; 剩余电流; 小波包变换; 量子神经网络; 触电故障检测;

D O I：

暂无

中图分类号：

TM774 [继电保护装置]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

针对农村低压电网中广泛应用的剩余电流保护装置,只能检测到剩余电流有效值的大小作为唯一动作判据,不能自动识别剩余电流与触电故障类型之间所具有的非线性映射规律的难题,提出了一种基于小波包变换和量子神经网络的触电故障类型识别模型。首先应用小波包变换明确了生物体触电故障时,剩余电流中312.475 Hz以下低频带的能量谱波动明显,其中39.062 5～78.125 Hz和119.2～156.25 Hz两频带的波动幅度达9.05和9.00,提取了剩余电流的小波包能量谱8维度特征向量,同时应用特征频带能量占有比之差的平均变化率,实现了生物体发生触电故障的准确检测。然后以小波包能量特征向量为有效信息源,利用量子计算的态叠加思想和神经网络计算的自适应性结合,建立了一种量子神经网络作为触电故障类型识别模型,该网络采用多个量子能级的量子神经元,在学习1 437次时误差精度达到0.000 998 92,快速高效地实现了触电故障类型的识别,其仿真试验准确率达100%。该研究对于研发新一代基于生物体触电电流分量动作的自适应型剩余电流保护装置具有重要的参考价值。

引用

页码：183 / 190

页数：8

共 23 条

[1]

小波分析在一维信号去噪中的应用 [D].