基于HHT和GA-BP的电压暂降源定位方法.docx

基于HHT和GA-BP的电压暂降源定位方法
基于HHT和GA-BP的电压暂降源定位方法
摘要：电力系统中存在着各种故障，其中电压暂降是一种常见的故障类型。准确地定位电压暂降源对于故障诊断和维修至关重要。本文提出了一种基于经验模态分解（HHT）和遗传算法BP神经网络（GA-BP）的电压暂降源定位方法。
关键词：电压暂降，经验模态分解，遗传算法，BP神经网络。
1.引言
电力系统是现代社会不可或缺的重要基础设施之一。然而，由于各种原因，电力系统中常常会发生各种故障，如电短路、电气线路断裂等。其中，电压暂降是一种常见的故障类型，会导致电网中的电器设备受损甚至烧坏。准确地定位电压暂降源对于快速故障诊断和维修显得尤为重要。
2.相关工作
在过去的几十年中，研究人员们提出了许多电压暂降源定位方法。其中，经验模态分解（EmpiricalModeDecomposition，简称EMD）是一种经典的信号处理方法，可以将非线性和非平稳信号分解成一系列称为本征模态函数（IntrinsicModeFunctions，简称IMF）的成分。然后，通过对IMF的频率分析，可以确定电压暂降源的位置。然而，传统的EMD方法存在着对噪声敏感、分解结果不唯一等问题。
3.方法
本文提出了一种结合经验模态分解和遗传算法BP神经网络的电压暂降源定位方法。具体步骤如下：
（1）对电压信号进行经验模态分解，得到一系列IMF成分。
（2）计算每个IMF成分的能量，并根据能量大小对IMF进行排序。
（3）根据IMF的排序信息，选择能量较大的几个IMF成分作为输入特征。
（4）通过遗传算法选择最优的输入特征子集。
（5）利用BP神经网络学习和训练，实现电压暂降源的定位。
（6）对实际电力系统进行仿真实验，验证该方法的有效性和准确性。
4.结果与分析
通过对实际电力系统的仿真实验，我们得到了如下结果：
（1）本文提出的方法在电压暂降源定位中具有较高的准确性和稳定性。
（2）与传统的基于EMD的方法相比，本文方法具有更好的噪声抑制能力和更准确的定位结果。
（3）遗传算法BP神经网络的训练时间相对较长，但可以通过并行计算等方法来加速。
5.总结与展望
本文提出了一种基于HHT和GA-BP的电压暂降源定位方法。通过对电压信号进行经验模态分解，结合遗传算法BP神经网络的学习和训练，实现了电压暂降源的准确定位。实验结果表明，该方法具有较高的准确性和稳定性，对于电力系统的故障诊断和维修具有一定的实用价值。然而，本文方法仍存在一些改进空间，例如进一步优化遗传算法BP神经网络的训练速度，并研究更多的特征提取方法，以提高定位的精度和效率。
参考文献：
[1]Huang,N.E.,Shen,Z.,Long,S.R.,Wu,M.C.,Shih,H.H.,Zheng,Q.,Yen,N.C.,Tung,C.C.andLiu,H.H.,1998.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis.ProceedingsoftheRoyalSocietyofLondon.SeriesA:Mathematical,PhysicalandEngineeringSciences,454(1971),pp.903-995.
[2]Goldberg,D.E.,1989.Geneticalgorithmsinsearch,optimization,andmachinelearning(Vol.412).Addison-Wesley.
[3]Rumelhart,D.E.,Hinton,G.E.andWilliams,R.J.,1986.Learningrepresentationsbyback-propagatingerrors.Nature,323(6088),pp.533-536.