基于混沌神經網絡的高壓斷路器狀態(tài)評估方法應用研究.pdf

1、電氣設備在線狀態(tài)監(jiān)測和實時診斷是輸電智能化的重要內容。隨著智能電網和特高壓輸電的迅速發(fā)展，對高壓電氣設備進行準確的狀態(tài)評估和故障診斷變得尤為重要。高壓斷路器作為控制和保護電力系統(tǒng)的關鍵設備，對它的早期監(jiān)測、評估和診斷能有效地保護電網，提高電力系統(tǒng)的可靠性。近幾年來人們運用了多種理論知識來分析高壓斷路器狀態(tài)，做出了實用性的高壓斷路器的在線監(jiān)測系統(tǒng)，能很好的實時監(jiān)測其狀態(tài)和判斷故障。本文采用了一種將混沌理論和神經網絡相結合的方法來對高壓斷路

2、器機械性能方面進行狀態(tài)評估。
　　本文初期對高壓斷路器的狀態(tài)評估參數進行分析，研究了機械方面特性及具有混沌特征的參數，并構建了狀態(tài)信息表，該表能定性的評估出高壓斷路器的狀態(tài)。研究了混沌神經元模型，并由此構建了混沌神經網絡，對其進行了學習。本文在BP神經網絡的基礎上，建立了一種基于Logistic映射的混合混沌神經網絡，并研究了該網絡的學習算法和訓練流程。通過引入混沌機制，該混合混沌神經網絡能克服BP神經網絡中易陷入局部最小的缺點，

3、并對細微差別的模式具有更優(yōu)的識別效果。
　　為了驗證該方法的有效性，本文從實驗室課題組的數據庫中，分別提取分、合閘線圈電流和動觸頭行程的特征值的部分數據樣本，對數據進行了歸一化處理。結合Matlab R2014a，對BP神經網絡和混合混沌神經網絡分別進行了仿真及分析，以多組特征向量作為這兩種網絡的訓練和測試輸入，其對應的故障狀態(tài)作為網絡的輸出。仿真結果表明混合混沌神經網絡能有效的識別高壓斷路器的狀態(tài)，并與現(xiàn)在應用廣泛的BP神經網絡