王思華，王軍軍，趙珊鵬

(1.蘭州交通大學(xué) 自動化與電氣工程學(xué)院，蘭州 730070；2.甘肅省軌道交通電氣自動化工程實驗室(蘭州交通大學(xué))，蘭州 730070)

0 引言

為加快西北地區(qū)經(jīng)濟發(fā)展，我國對青藏鐵路實施全線電氣化改造工程。青藏鐵路東起青海省格爾木市，西到西藏自治區(qū)拉薩市，全線長1 136.34 km，海拔高于4 000 m的地段占全線總長的85%，是世界上海拔最高的鐵路。為保證線路正常通行，不僅要向高海拔地區(qū)鐵路線路提供足夠的電力能源，還要解決鹽堿地區(qū)風(fēng)沙揚塵破壞接觸網(wǎng)絕緣子電氣性能等問題[1]。土壤鹽堿化已經(jīng)是西北地區(qū)常見的自然災(zāi)害，其中青海省格爾木市就有超過了20%的耕地面積已經(jīng)成為鹽堿土。土壤鹽堿化會腐蝕電氣化設(shè)備，空氣中的揚塵若是粘結(jié)在絕緣子上還會造成絕緣子污閃事故[2]。2012年5月3日2時28分起青海境內(nèi)察爾汗變電所頻繁跳閘造成加爾蘇分區(qū)所-察爾汗變電所-鹽田分區(qū)所上下行線路停電9小時53分鐘，造成錫鐵山-格爾木東上下行線路電力機車暫停運行，事故原因為絕緣子串鹽污嚴重導(dǎo)致絕緣子發(fā)生污閃。2015年5月7日3時31分格爾木所東自閉線過流保護動作；3時39分格爾木至察爾汗貫通線跳閘，格爾木至察爾汗貫通線停電，造成格爾木至察爾汗自閉線、貫通線兩路停電。影響Z266次區(qū)間停車4分鐘，事故原因為絕緣子表面臟污，在雨雪天氣下絕緣性能下降，造成瞬間放電引起跳閘。所以研究高原鹽堿地區(qū)絕緣子污閃對于保障鐵路線路安全運行是有重要意義的。

現(xiàn)階段國內(nèi)外學(xué)者研究的預(yù)防絕緣子污閃的方法主要有兩種，如文獻[3]是根據(jù)對絕緣子特征量的檢測，如絕緣子污穢沉積量檢測、對泄漏電流狀態(tài)的檢測、基于電暈檢測裝置的狀態(tài)檢測和遠程熱成像的檢測等來判斷絕緣子運行狀態(tài)。這些檢測方法針對的是絕緣子某一狀態(tài)量的變化，如果要達到檢測的精準(zhǔn)度還要聯(lián)系鹽密和濕度等影響絕緣子積污特性的因素[4]，而且在設(shè)備投入上也需要耗費較多的人力和財力；另一種方法是對絕緣子發(fā)生閃絡(luò)時的特征參量進行數(shù)學(xué)分析，利用數(shù)學(xué)方法得到預(yù)測結(jié)果，根據(jù)預(yù)測結(jié)果提前對絕緣子進行清掃等作業(yè)。目前使用較多的有最小二乘法、神經(jīng)網(wǎng)絡(luò)和支持向量機等。國內(nèi)外已經(jīng)利用這些方法得到了很多成果，文獻[5-7]采用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)來預(yù)測絕緣子污閃電壓，文獻[8,9]利用支持向量機的方法對絕緣子污閃電壓做出預(yù)測，文獻[10,11]采用最小二乘法對絕緣子污閃電壓進行預(yù)測。利用上述方法都能得到絕緣子污閃電壓預(yù)測結(jié)果，但文獻[12]說明BP神經(jīng)網(wǎng)絡(luò)易陷入局部最小解；文獻[13]說明支持向量機需要依靠核函數(shù)，處理樣本不能過大；文獻[14]說明最小二乘法對于偏差值較大的點不能很好地處理，會對結(jié)果造成很大的影響，且回歸方程殘差和大。為了得到較精確的預(yù)測結(jié)果，需綜合考慮對預(yù)測結(jié)果造成影響的各種因素，采用最優(yōu)的預(yù)測方法建立模型實現(xiàn)對積污絕緣子閃絡(luò)電壓的預(yù)測。

根據(jù)文獻[15-19]發(fā)現(xiàn)不同海拔的大氣壓強、絕緣子表面污穢沉積量以及環(huán)境溫度等都會影響絕緣子的電氣性能。本文針對高原鹽堿地區(qū)鐵路接觸網(wǎng)復(fù)合絕緣子積污嚴重、閃絡(luò)事故頻發(fā)等問題，模擬不同型號因子(δCF)的絕緣子在不同的大氣壓強(P)、絕緣子表面鹽密(ESDD)、灰密(NSDD)、環(huán)境溫度(T)等條件下的運行狀態(tài)，采用試驗的方法得出復(fù)雜條件下接觸網(wǎng)復(fù)合絕緣子交流平均閃絡(luò)電壓(Uav)，提出利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型，將預(yù)測結(jié)果用于建立電氣化鐵路接觸網(wǎng)絕緣子污閃預(yù)防機制，輔助供電部門加強對染污絕緣子的維護。

1 絕緣子污閃電壓計算研究

根據(jù)文獻[15]絕緣子絕緣性能會跟選擇的絕緣子的型號和材質(zhì)有直接的關(guān)系。試驗所用的為聚合物材料絕緣子，而爬電距離和干弧距離是決定絕緣子型式的重要參數(shù)。文獻[20]在高原環(huán)境下對爬電距離和干弧距離的比值δCF不同的復(fù)合絕緣子污閃特性進行研究，發(fā)現(xiàn)δCF對染污絕緣子閃絡(luò)電壓有較大的影響。Topalis和Gonos提出了絕緣子爬電距離與交流臨界閃絡(luò)電壓有效值的關(guān)系如式(1)所示[21]。

(1)

因此采用絕緣子爬電距離LS(mm)與干弧距離h(mm)的比值δCF來表征絕緣子型式對污閃電壓的影響。

根據(jù)文獻[16]由于交流污閃試驗是在高海拔環(huán)境下的青藏高原進行，海拔因素必然會影響絕緣設(shè)備的外絕緣特性。海拔與氣壓之間的關(guān)系如式(2)所示。

(2)

式中，H為海拔高度(km)；P0為標(biāo)準(zhǔn)大氣壓強，即101.3 kPa。

結(jié)合Obenaus提出的絕緣子表面污閃物理模型，根據(jù)文獻[22]當(dāng)氣壓為標(biāo)準(zhǔn)大氣壓時，絕緣子污閃電壓U0與氣壓P0的關(guān)系如式(3)所示。

(3)

當(dāng)海拔高度為H時臨閃電壓UH與U0的關(guān)系如式(4)所示。

(4)

式中，ax為電弧常數(shù)；na為與絕緣子表面電弧電流有關(guān)的系數(shù)，取值由絕緣子表面泄漏電流的大小決定；xc為臨界閃絡(luò)時的電弧長度(m)；n為不同海拔高度下氣壓對絕緣子閃絡(luò)的影響指數(shù)。

根據(jù)文獻[17]絕緣子是否污閃以及污閃電壓的確定與絕緣子表面受污程度有密切的關(guān)系。鹽密(ESDD)和灰密(NSDD)是常見的表征絕緣子表面污穢度的量，兩者既能單獨也能共同對絕緣子電氣性能造成影響。根據(jù)多次的試驗和大量的數(shù)據(jù)分析得出兩者與絕緣子閃絡(luò)電壓的關(guān)系式如式(5)和式(6)所示。

Uf=A·(ESDD)-a

(5)

Uf=B·(NSDD)-b

(6)

式中，Uf為絕緣子閃絡(luò)電壓(kV)；a為鹽密的影響特征指數(shù)；b為灰密的影響特征指數(shù)；A、B為常系數(shù)。

根據(jù)文獻[23]可知，絕緣子閃絡(luò)電壓與鹽密、灰密間的關(guān)系如式(7)所示。

Uf∝(ESDD)-a×(NSDD)-b

(7)

式中，a、b分別為鹽密、灰密對絕緣子污層電導(dǎo)率的影響特征指數(shù)

根據(jù)文獻[19]在對絕緣子進行現(xiàn)場試驗時需測量現(xiàn)場的環(huán)境溫度。因為溫度升高會使電解質(zhì)在溶液中的溶解增強，電解質(zhì)的溶解程度決定了絕緣子表面的電導(dǎo)率，電導(dǎo)率越大絕緣子越容易發(fā)生閃絡(luò)。根據(jù)文獻[24]得出了溫度與閃絡(luò)電壓之間的關(guān)系如式(8)所示。

Uf∝[1+0.02(t-20)]-ωt

(8)

式中，t為環(huán)境溫度(℃)；ωt為溫度影響指數(shù)，交流一般取0.2。Mizuno也通過研究發(fā)現(xiàn)當(dāng)溫度升高1 ℃時，交流閃絡(luò)電壓會下降0.4%[25]。

通過對影響絕緣子外絕緣性能的各個因素進行數(shù)據(jù)擬合，根據(jù)文獻[26]得到絕緣子閃絡(luò)電壓Uf與各個因素的關(guān)系如式(9)所示。

(9)

k=1+bt(t-20)

(10)

式中，bt為溫度影響系數(shù)，取0.02/℃；t為溫度(℃)。

2 建立接觸網(wǎng)復(fù)合絕緣子污閃電壓預(yù)測模型

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)包含輸入層、隱含層和輸出層，根據(jù)模型BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示[27]。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Structure of BP neural network

BP神經(jīng)網(wǎng)絡(luò)的算法步驟如下：

1)網(wǎng)絡(luò)初始化，隨機賦予連接權(quán)值ωij、ωjk∈(-1,1)及閾值a、b，誤差函數(shù)選擇為E，計算精度ε，迭代次數(shù)為M時終止迭代。

2)輸入需要計算的樣本xi和期望值zk進行計算。

3)計算隱含層神經(jīng)元輸入與輸出值、實際值與期望值的誤差，根據(jù)誤差函數(shù)E對輸出層神經(jīng)元求偏導(dǎo)數(shù)δk(t)。

4)利用隱含層與輸出層間的連接權(quán)值ωjk、輸出層偏導(dǎo)數(shù)δk(t)和隱含層輸出誤差函數(shù)E，求E對隱含層各神經(jīng)元的偏導(dǎo)數(shù)δj(t)。

5)利用δk(t)和隱含層輸出對ωjk修正；利用δj(t)和輸入層輸入對δj(t)修正。

6)計算誤差，判斷誤差E<ε則結(jié)束運算，否則重新開始。誤差函數(shù)如式(11)所示。

(11)

2.2 遺傳算法優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)在尋找最優(yōu)解時易陷入局部最優(yōu)，所以對BP神經(jīng)網(wǎng)絡(luò)進行優(yōu)化能夠減少或避免這種情況發(fā)生。學(xué)者通過對自然界生物物種的進化歷程研究發(fā)現(xiàn)，物種在進化的過程中總能保留最能適應(yīng)環(huán)境的個體和生物特征。于是將遺傳算法(Genetic Algorithm，GA)使用在數(shù)學(xué)計算當(dāng)中，利用計算機模擬尋找解決問題最優(yōu)解的途徑[28]。

遺傳算法基本運算過程：

1)種群初始化：設(shè)x為進化的次數(shù)，初始為0；最大進化次數(shù)為X；種群個體數(shù)為N；初始群體為T(0)。

2)計算T(x)中個體適應(yīng)度。

3)選擇操作：計算個體適應(yīng)度值，依據(jù)需要從適應(yīng)度值最大的個體依次往下挑選，并組成需要的群體。

4)交叉操作：對不同個體內(nèi)的基因片段進行交叉融合。

5)變異操作：對個體基因片段隨機變異，產(chǎn)生有新基因的個體。經(jīng)選擇、交叉、變異將群體T(x)進化成下一代群體T(x+1)。

終止條件判斷：當(dāng)x=X時，迭代次數(shù)滿足要求，終止計算。

2.3 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測流程

根據(jù)遺傳算法良好的優(yōu)化性能，加上BP神經(jīng)網(wǎng)絡(luò)強大的學(xué)習(xí)能力，將BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練擬合過程和遺傳算法尋優(yōu)過程相互結(jié)合組成GA-BP神經(jīng)網(wǎng)絡(luò)算法[29]。這種算法既彌補了BP神經(jīng)網(wǎng)絡(luò)尋優(yōu)時自身的短板，也為遺傳算法提供了強有力的數(shù)據(jù)處理平臺。GA-BP神經(jīng)網(wǎng)絡(luò)算法具體步驟如下。

1)確定網(wǎng)絡(luò)拓撲結(jié)構(gòu)

2)初始化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值。為降低數(shù)據(jù)中的突變值對整個數(shù)據(jù)組的影響，需對數(shù)據(jù)進行“歸一化”處理。處理過程如式(12)所示。

xk=(xk-xmin)/(xmax-xmin)

(12)

式中，xmin為數(shù)據(jù)序列中最小數(shù)；xmax為數(shù)據(jù)序列中最大數(shù)。

3)初始值編碼。用實數(shù)編碼的方法，實現(xiàn)實數(shù)串?dāng)?shù)據(jù)的優(yōu)化編碼。

4)適應(yīng)度函數(shù)。適應(yīng)度值F計算公式如式(13)所示。

(13)

式中，yi和oi代表網(wǎng)絡(luò)中的第i個期望輸出和預(yù)測輸出；k是常量。

5)選擇操作。種群個體i被選中的概率Pi如式(14)所示。

(14)

式中，F(xiàn)i為個體i的適應(yīng)度值；k為系數(shù)；N是種群個體數(shù)目。

6)交叉操作。對編碼好的個體用交叉法改變個體內(nèi)部基因構(gòu)成。

7)變異操作。對第i個個體的第j個基因aij進行變異獲得新的個體。

8)計算適應(yīng)度。對變異完的實數(shù)串重新計算適應(yīng)度值，在每次迭代中挑選最優(yōu)個體，判斷滿足條件與否，是則獲取最優(yōu)權(quán)值和閾值；否的話轉(zhuǎn)到“選擇”重新開始。

9)更新權(quán)值和閾值。

GA-BP神經(jīng)網(wǎng)絡(luò)算法流程圖如圖2所示。

圖2 GA-BP算法流程圖Fig.2 Flow chart of GA-BP algorithm

3 接觸網(wǎng)復(fù)合絕緣子污閃電壓試驗

3.1 試驗裝置

試驗在專門的高壓試驗室進行，試驗電壓由500 kV/2 000 kVA的交流無暈污穢實驗變壓器對380 V電源變壓產(chǎn)生，且電源電壓可調(diào)節(jié)。絕緣子懸掛于高2.9 m長4.8 m寬4 m的人工氣候室內(nèi)，通過穿墻套管與試驗電源連接。氣候室內(nèi)配有溫度檢測、氣壓調(diào)節(jié)器和霧發(fā)生器，可以模擬海拔低于7 000 m的大氣環(huán)境，通過調(diào)節(jié)試驗室溫度來改變氣候室內(nèi)的溫度。

3.2 試品選擇

選擇棒形懸式雙重絕緣、工頻單相交流電壓等級為25 kV、爬電距離為1 400 mm的單耳-單耳型絕緣子FQXS-25/125-HHJ和懸式單絕緣、工頻單相交流電壓等級為25 kV、爬電距離為1 600 mm的帽窩-單耳型絕緣子FQX-25/120-QHG作為試驗樣本，用試驗的方法得出在高原鹽堿地區(qū)兩種不同型號的絕緣子在受到各種不同的環(huán)境因素影響下發(fā)生閃絡(luò)的電壓，并將試驗數(shù)據(jù)用于之前建立好的預(yù)測模型中。

復(fù)合絕緣子結(jié)構(gòu)圖[30]如圖3和圖4所示。

圖3 FQXS-25/125-HHJ復(fù)合絕緣子結(jié)構(gòu)圖Fig.3 Structure of FQXS-25/125-HHJ composite insulators

圖4 FQX-25/120-QHG復(fù)合絕緣子結(jié)構(gòu)圖Fig.4 Structure of FQX-25/120-QHG composite insulators

試驗用到的復(fù)合絕緣子參數(shù)[30]如表1所示。

表1 復(fù)合絕緣子結(jié)構(gòu)參數(shù)表Table 1 Structural parameters of composite insulators

3.3 試驗過程

3.3.1 前期準(zhǔn)備

在試驗之前要先對絕緣子進行甄別。選擇電阻大于300 MΩ的絕緣子，并對其進行編號標(biāo)記。準(zhǔn)備去離子水溶液以及能盛裝絕緣子浸染的容器。

3.3.2 染污[31]

1)準(zhǔn)備污液。鹽堿地區(qū)土壤中一般含有較多的碳酸鹽，碳酸鹽和氯化物具有等效電導(dǎo)，故用氯化鈉配制可溶鹽溶液；根據(jù)文獻[32]發(fā)現(xiàn)不溶物也會影響絕緣子閃絡(luò)電壓，可將硅藻土和二氧化硅按10：1比例混合，用來配制非可溶沉積物溶液。最后將各混合物倒入水中充分攪拌。

2)絕緣子預(yù)處理。用脫脂棉在絕緣子表面涂覆一層薄薄的硅藻土，硅藻土可以讓絕緣子暫時失去憎水性利于染污。

3)試品染污。對絕緣子預(yù)處理后將絕緣子浸泡在配制好的污液中，保證污液完全浸沒絕緣子，一段時間后取出并清理絕緣子鋼帽、鋼腳處多余的污液。當(dāng)絕緣子傘裙周圍不再滴液且觀察到其表面的污液已經(jīng)均勻覆蓋到絕緣子的各處時可以認為試品染污成功。

3.3.3 試驗

配置不同濃度的污穢溶液，每次浸染至少三串絕緣子。將染污成功的絕緣子懸掛至氣候室內(nèi)進行閃絡(luò)實驗，試驗時通過調(diào)壓器改變絕緣子兩端所加的電壓，氣壓調(diào)節(jié)器可以改變氣候室內(nèi)的壓強，模擬絕緣子在不同海拔高度工作時的大氣環(huán)境，利用溫度監(jiān)測裝置對絕緣子發(fā)生閃絡(luò)時的環(huán)境溫度進行記錄。用“恒壓升降法”對每串絕緣子試驗4～5次，每次試驗閃絡(luò)后利用霧發(fā)生器對絕緣子表面噴霧，以絕緣子表面污穢完全濕潤且邊緣不滴水為標(biāo)準(zhǔn)。試驗原理圖如圖5所示。

圖5 試驗原理圖Fig.5 Test schematic diagram

3.4 試驗結(jié)果及分析

測取絕緣子50%閃絡(luò)電壓，計算相應(yīng)的電壓標(biāo)準(zhǔn)偏差,對得到的絕緣子閃絡(luò)試驗結(jié)果進行篩選，舍棄標(biāo)準(zhǔn)偏差百分比大于5%的試驗數(shù)據(jù)，保留標(biāo)準(zhǔn)偏差百分比在5%以內(nèi)的所有數(shù)據(jù)。平均閃絡(luò)電壓Uav與電壓標(biāo)準(zhǔn)偏差σ的計算公式[33]如式(15)和式(16)所示。

(15)

(16)

通過試驗得到共計52組數(shù)據(jù)，部分試驗結(jié)果如表2所示。

如表2中所示，在試驗過程中通過更換絕緣子型號、改變氣候室壓強、配制不同鹽密、灰密的污液以及改變環(huán)境溫度得到不同的絕緣子閃絡(luò)電壓。對試驗測得的絕緣子閃絡(luò)電壓利用公式(15)計算得到絕緣子平均閃絡(luò)電壓，從數(shù)據(jù)可以看出試驗結(jié)果分散程度較小，其標(biāo)準(zhǔn)偏差不大于5%，試驗過程中各環(huán)節(jié)可控，試驗結(jié)果滿足最初的試驗要求。

表2 絕緣子污閃試驗結(jié)果Table 2 Insulator pollution flashover test results

4 模型預(yù)測染污的復(fù)合絕緣子閃絡(luò)電壓結(jié)果

利用仿真軟件MATLAB編程實現(xiàn)對絕緣子污閃電壓的預(yù)測。將可能導(dǎo)致青藏鐵路沿線接觸網(wǎng)絕緣子發(fā)生閃絡(luò)的5種影響因素：型號因子(δCF)、大氣壓強(P)、鹽密(ESDD)、灰密(NSDD)、絕緣子所處環(huán)境溫度(T)作為輸入?yún)?shù)，將試驗所得到的52組數(shù)據(jù)進行隨機排列，其中42組數(shù)據(jù)用作網(wǎng)絡(luò)訓(xùn)練，剩下10組數(shù)據(jù)作為測試數(shù)據(jù)，絕緣子污閃預(yù)測電壓作為輸出值，EPOCHS 為網(wǎng)絡(luò)訓(xùn)練步數(shù)，MSE為預(yù)測精度，學(xué)習(xí)速率為0.1，目標(biāo)誤差為0.001。訓(xùn)練結(jié)果見表3所示。

由表3可以看出，BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)選擇6對結(jié)果是有利的。

表3 隱含層神經(jīng)元數(shù)Table 3 Number of neurons in the hidden layer

4.1 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果

圖6 GA-BP神經(jīng)網(wǎng)絡(luò)適應(yīng)度曲線Fig.6 Fitness curve of GA-BP neural network

圖7 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出Fig.7 Prediction output of GA-BP neural network

圖8 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出偏差Fig.8 Prediction output error of GA-BP neural network

圖9 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出偏差百分比Fig.9 Prediction output error percentage of GA-BP neural network

根據(jù)圖6所示，遺傳算法中種群進化時，適應(yīng)度函數(shù)呈階梯遞增趨勢。在第三代出現(xiàn)最優(yōu)個體，其平均適應(yīng)度為22.26。階梯狀的適應(yīng)度曲線說明算法在迭代的過程中不斷地尋找適應(yīng)度最佳的個體，通過選擇、交叉、變異等操作提高個體的適應(yīng)度，在達到最佳適應(yīng)度后保持不變直到迭代結(jié)束。曲線的階梯狀走勢代表了算法尋找最優(yōu)解的過程。

將表2試驗結(jié)果作為預(yù)測樣本，對GA-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進行整理和分析。預(yù)測結(jié)果如表4所示。

表4 GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Table 4 Prediction results of GA-BP neural network

4.2 結(jié)果分析

對預(yù)測結(jié)果分析發(fā)現(xiàn)：利用GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測的污穢絕緣子平均閃絡(luò)電壓與期望電壓輸出值間的最小偏差為0.57 kV，是期望值的1.28%，最大偏差為3.22 kV，占到期望值的6.50%，所有預(yù)測樣本的平均偏差為1.58 kV，且電壓偏差均小于4 kV。預(yù)測平均閃絡(luò)電壓偏差百分比絕對值最小為1.28%，最大偏差百分比為9.25%，所有樣本的平均偏差百分比為4.49%。采用散點圖的方式可以直觀地看到數(shù)據(jù)的分布特點和范圍。GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果分布圖如圖10所示。

圖10 兩種方式測量偏差百分比對比圖Fig.10 Comparison chart of measurement error percentage of two methods

將GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測污閃電壓的偏差值和偏差百分比兩組數(shù)據(jù)分列圖中不難發(fā)現(xiàn)：污閃電壓的預(yù)測偏差值都分布在±4 kV的范圍內(nèi)，在±2 kV 以內(nèi)的點有7個，占到全部樣本數(shù)據(jù)的70%；污閃電壓預(yù)測偏差百分比在±5%范圍內(nèi)的點有7個，占到全部樣本數(shù)據(jù)的70%，偏差超過5%的只有3個，占到全部樣本數(shù)據(jù)的30%，所有預(yù)測偏差百分比皆小于10%。

可以看到遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)對于預(yù)測絕緣子污閃電壓的結(jié)果是比較可靠的，預(yù)測污閃電壓都接近于期望值，70%的樣本預(yù)測值偏差百分比都在5%以內(nèi)，所有樣本預(yù)測值的平均偏差百分比小于5%，滿足現(xiàn)場基本的工程應(yīng)用要求，在絕緣子污閃防護工作中有應(yīng)用參考價值。

5 結(jié) 論

1)通過人工污穢試驗得出接觸網(wǎng)復(fù)合絕緣子污閃電壓數(shù)據(jù)，利用GA-BP網(wǎng)絡(luò)結(jié)合絕緣子自身參數(shù)、污穢沉積量、海拔和溫度等的因素建立復(fù)合絕緣子污閃電壓預(yù)測模型，利用模型實現(xiàn)對鐵路接觸網(wǎng)復(fù)合絕緣子在各種復(fù)雜環(huán)境中發(fā)生污閃故障時閃絡(luò)電壓的預(yù)測，為及時提醒供電部門對絕緣子開展掃污和維護工作積累了經(jīng)驗。

2)接觸網(wǎng)用復(fù)合絕緣子的種類繁多，要想依靠試驗的方法掌握各種型號的絕緣子運行狀態(tài)需要投入大量的人力、財力和時間。利用復(fù)合絕緣子污閃電壓預(yù)測模型得出的預(yù)測值可以為篩選試驗法得到的絕緣子污閃電壓值提供參考依據(jù)，減少人工試驗的工作量，提高試驗效率。

3)高原鹽堿地區(qū)的絕緣子污穢沉積特點和閃絡(luò)特性相比于非高原鹽堿地區(qū)而言是有區(qū)別的。利用預(yù)測模型可以模擬特殊地理條件下絕緣子的工作環(huán)境，對長期工作在此環(huán)境下的絕緣子狀態(tài)加以評估，為鐵路供電部門根據(jù)接觸網(wǎng)絕緣子實際運行情況選擇參數(shù)適合的絕緣子提供技術(shù)參考。