武漢市水務(wù)集團(tuán)有限公司 孫 元

0 引言

改革開放后，我國工業(yè)得到了極大的發(fā)展，各個(gè)工廠逐漸轉(zhuǎn)向機(jī)械化、自動(dòng)化生產(chǎn)，生產(chǎn)力水平有了很大的提升，但是與此同時(shí)，工廠的用電量也在不斷增大，給工廠電網(wǎng)系統(tǒng)的正常運(yùn)行帶來了一定的壓力，增加了配電柜發(fā)生故障得頻率[1]。因此為保證工廠電力的正常輸送，對(duì)配電柜故障進(jìn)行檢測具有十分重要的作用。

配電柜故障主要有空氣斷路器跳閘，缺相運(yùn)行，電路短路等故障，其中電路故障是最常見的故障，也是最難處理的故障。因?yàn)楣S安裝的配電柜一般是大型配電柜，其中的電路錯(cuò)綜復(fù)雜，只要其中的一處發(fā)生故障就會(huì)導(dǎo)致工廠整個(gè)電力系統(tǒng)的癱瘓，檢測時(shí)很難確定發(fā)生故障的具體位置，檢測過程有時(shí)需要持續(xù)很久[2]。針對(duì)上述問題，提出一種基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法。該方法從三個(gè)方面完成故障檢測，首先利用小波對(duì)電路故障特征進(jìn)行提取，然后利用BP神經(jīng)網(wǎng)絡(luò)分析故障特征，完成故障判斷，最后對(duì)檢測結(jié)果進(jìn)行輸出。

為檢測該方法的有效性，進(jìn)行了對(duì)比實(shí)驗(yàn)。結(jié)果表明：利用該方法對(duì)配電柜的電路故障進(jìn)行檢測時(shí)，檢測正確率和效率較傳統(tǒng)檢測方法分別提高了13%和30%，由此證明該故障智能監(jiān)測方法要優(yōu)于傳統(tǒng)檢測方法，達(dá)到了本文研究的目的。

1 基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測

神經(jīng)網(wǎng)絡(luò)是在人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能的基礎(chǔ)上發(fā)明出來的一種處理方式，把人腦的分析、學(xué)習(xí)、處理、計(jì)算、自適應(yīng)等能力集于一身，這也就決定了它在故障檢測領(lǐng)域中的重要地位?，F(xiàn)在把小波與神經(jīng)網(wǎng)絡(luò)相結(jié)合，提出一種基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法。首先利用小波提取故障特征；然后利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障分析；最后確定故障類型，輸出檢測結(jié)果，檢測流程如圖1所示。

圖1 基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測流程

1.1 配電柜故障特征提取

在工廠配電柜電路故障智能檢測中，小波的主要作用是對(duì)故障特征進(jìn)行提取，完后數(shù)據(jù)預(yù)處理過程。假定任意一個(gè)信號(hào)的連續(xù)小波為， 將其轉(zhuǎn)變?yōu)椋?/p>

然后將信號(hào)f（t）進(jìn)行分解，分解公式為：

1.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是多層前饋式反向傳播神經(jīng)網(wǎng)絡(luò)，也是一個(gè)有導(dǎo)師示教的多層神經(jīng)網(wǎng)絡(luò)算法[3]。圖2為一個(gè)完整BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，主要用于信號(hào)分類。

利用上述分解公式求故障分解系數(shù)的絕對(duì)值。

最后根據(jù)尺度大小給配電柜故障特征向量進(jìn)行排序。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

在利用BP神經(jīng)網(wǎng)絡(luò)對(duì)電路故障特征進(jìn)行分析時(shí)，首先需要確定輸入層與輸出層的節(jié)點(diǎn)數(shù)量。在這一過程中，假設(shè)對(duì)故障特征信號(hào)進(jìn)行了X層的小波變換后，得到了X+1層的故障特征向量，這時(shí)我們就可以視輸入層神經(jīng)元數(shù)目為X+1。這時(shí)如果需要對(duì)其檢測的電路存在Y種種故障，則輸出層神經(jīng)元數(shù)量就是Y；隱含層中節(jié)點(diǎn)的數(shù)量為（a=1,2,3，….，10）。此外，在BP網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)選取中，輸入層和隱含層的函數(shù)用cos-sigmoid型函數(shù)，則輸出層采用log-sigmoid型函數(shù)。

之后，為了使BP網(wǎng)絡(luò)能夠快速分析出配電柜中電路故障模式，必須對(duì)建立好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。具體操作為：首先以提取的故障特征作為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的輸入層節(jié)點(diǎn)；然后對(duì)訓(xùn)練樣本輸出向量進(jìn)行確定，假定配電柜的電路存在Y種故障模式（模式1，模式2，模式3，…..，模式Y(jié)），BP神經(jīng)網(wǎng)絡(luò)輸出為。如果配電柜的電路狀態(tài)為模式1，則N1=1，而其它網(wǎng)絡(luò)輸出值=0，BP神經(jīng)網(wǎng)絡(luò)輸出向量為；如果配電柜電路狀態(tài)存在兩種或兩種以上的模式,則這時(shí)的BP神經(jīng)網(wǎng)絡(luò)輸出向量為。由此可以看出，BP神經(jīng)網(wǎng)絡(luò)是可以實(shí)現(xiàn)對(duì)配電柜電路的單、多故障進(jìn)行診斷的。

1.3 故障確定

利用BP神經(jīng)網(wǎng)絡(luò)檢測出配電柜電路存在何種故障后，需要對(duì)其檢測接進(jìn)行輸出。把未經(jīng)過檢測的配電柜電路的故障特征向量輸入上述已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，得到輸出結(jié)果，即可完成故障檢測[4]。

2 對(duì)比實(shí)驗(yàn)

為驗(yàn)證工廠配電柜故障智能檢測方法的有效性，進(jìn)行了對(duì)比實(shí)驗(yàn)。選用某工廠配電柜中的一段電路作為實(shí)驗(yàn)對(duì)象。采用第三方工具（支持向量機(jī)）對(duì)其進(jìn)行檢測，檢測結(jié)果發(fā)現(xiàn)在該段電路中一共存在15處電路故障，其中10處為電阻故障、4處電容故障以及1處無故障電路[5]。

現(xiàn)在利用基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法和傳統(tǒng)故障檢測方法分別對(duì)這一段電路進(jìn)行檢測，檢測結(jié)果和檢測效率分別如表1和圖3所示。

表1 兩種檢測方法檢測結(jié)果

從表1中可以看出，對(duì)于15種故障模式，基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法檢測出來并判斷正確有14種故障模型，準(zhǔn)確率高達(dá)93%；而利用傳統(tǒng)故障檢測方法只檢測出來12種故障模式，準(zhǔn)確率只有80%，前者較后者準(zhǔn)確率提高了13%。由此證明在準(zhǔn)確率方面，基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法要優(yōu)于傳統(tǒng)故障檢測方法。

圖3 兩種檢測方法檢測效率對(duì)比

從圖3的檢測速度對(duì)比曲線中可以看出，基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法的檢測速度明顯要快于傳統(tǒng)故障檢測方法。為保證檢測結(jié)果的客觀性，進(jìn)行了10組檢測速度的對(duì)比實(shí)驗(yàn)，取檢測結(jié)果的平均數(shù)，基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法平均只需要花費(fèi)5s就可以完成故障檢測工作；傳統(tǒng)故障檢測方法平均至少花費(fèi)8s才能完成這一項(xiàng)工作。前者較后者速度提高3s，效率提高了30%。

從以上兩種對(duì)比實(shí)驗(yàn)中可以看出，基于小波一神經(jīng)網(wǎng)絡(luò)的電路故障智能檢測方法不僅能快速檢測出電路中存在的故障，且檢測結(jié)果也更為準(zhǔn)確。由此證明該方法比傳統(tǒng)故障檢測方法更適用于配電柜的電路故障檢測當(dāng)中。

3 結(jié)束語

綜上所述，隨著我國工業(yè)化水平的不斷提高，各個(gè)工廠實(shí)現(xiàn)了從人工化向機(jī)械化、自動(dòng)化的轉(zhuǎn)變，這也就導(dǎo)致工廠的用電量在逐漸加大，從而使得工廠的配電柜經(jīng)常發(fā)生電路故障。但是電路故障有很多種，利用傳統(tǒng)故障檢測方法很難準(zhǔn)確檢測出來，這也就使得故障很難準(zhǔn)確排除。針對(duì)這一問題，提出一種電路故障智能檢測方法。經(jīng)驗(yàn)證該方法不僅能快速檢測出工廠配電柜中存在的電路故障，且準(zhǔn)確率高達(dá)90%以上，這對(duì)故障檢測領(lǐng)域具有重要的指導(dǎo)意義。