基于LSSA-BP神经网络的断路器分合闸电流特征诊断

贾浩; 张莲; 张尚德; 赵梦琪; 赵娜; 黄伟

doi:10.3969/j.issn.1008-0198.2022.05.006

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于LSSA-BP神经网络的断路器分合闸电流特征诊断

研究与试验 | 更新时间：2025-06-11

- 基于LSSA-BP神经网络的断路器分合闸电流特征诊断
- Diagnosis of Circuit Breaker Current Characteristics Based on LSSA-BP Neural Network
- 湖南电力 2022年42卷第5期页码：36-41
- 作者机构：
  
  1. 重庆理工大学电气与电子工程学院,重庆,400054
  2. 重庆市能源互联网工程技术研究中心,重庆,400054
- 作者简介：
- 基金信息：
- DOI：10.3969/j.issn.1008-0198.2022.05.006
  中图分类号： TM561
- 纸质出版日期：2022
- 稿件说明：
移动端阅览
贾浩, 张莲, 张尚德, 赵梦琪, 赵娜, 黄伟. 基于LSSA-BP神经网络的断路器分合闸电流特征诊断[J]. 湖南电力, 2022, 42(5): 36-41.

JIA Hao, ZHANG Lian, ZHANG Shangde, et al. Diagnosis of Circuit Breaker Current Characteristics Based on LSSA-BP Neural Network[J]. 2022, 42(5): 36-41.
贾浩, 张莲, 张尚德, 赵梦琪, 赵娜, 黄伟. 基于LSSA-BP神经网络的断路器分合闸电流特征诊断[J]. 湖南电力, 2022, 42(5): 36-41. DOI： 10.3969/j.issn.1008-0198.2022.05.006.

JIA Hao, ZHANG Lian, ZHANG Shangde, et al. Diagnosis of Circuit Breaker Current Characteristics Based on LSSA-BP Neural Network[J]. 2022, 42(5): 36-41. DOI： 10.3969/j.issn.1008-0198.2022.05.006.

摘要

高压断路器作为在各种电力系统应用中起到安全保护作用的设备

其故障诊断研究具有重大的意义。针对传统的BP神经网络收敛速度慢、收敛精度不足的问题

提出一种改进麻雀搜索算法(logistic sparrow search algorithm

LSSA)对BP神经网络进行优化。该模型通过在麻雀算法初始化种群时引入Logistic混沌映射得到更合理的初始参数

并在位置更新与最优解更新中分别引入动态自适应权重、柯西变异策略和反向学习策略

使该模型对断路器故障分类诊断的平均准确率接近100%

这表明改进后的BP神经网络具有更高的正确率。

Abstract

As a device that can widely play a role in security protection in various power system applications

high voltage circuit breaker has great significance for its fault diagnosis research. Aiming at the problems of slow convergence speed and insufficient convergence accuracy of traditional BP neural network

an improved sparrow search algorithm is proposed to optimize the BP neural network. The model obtains more reasonable initial parameters by introducing Logistic chaotic map when the sparrow algorithm initializes the population

and introduces dynamic adaptive weight

Cauchy mutation strategy and reverse learning strategy in position update and optimal solution update respectively

so that the average accuracy of the model for circuit breaker fault classification diagnosis is close to 100%

which indicates that the improved BP neural network has higher accuracy.

关键词

Keywords

references

余锋,许开熙,黄俊,等.基于BP神经网络的高压断路器故障诊断[J].真空科学与技术学报,2019,39(3):249-253.

杨胜康,孔宪光,王奇斌,等.基于多源域深度迁移学习的机械故障诊断[J].振动与冲击,2022,41(9):32-40.

廖玉波,俞啸,李伟生,等.基于深度置信网络的旋转机械迁移故障诊断[J].机电工程,2022,39(2):193-201.

刘祥雄,乐威,王帅星,等.基于峭度排序的特征构造在行星齿轮箱故障诊断中的应用研究[J].机床与液压,2022,50(3):187-192.

吴伟杰,吴杰康,雷振,等.基于PSO优化BP神经网络的能源需求预测[J].电气应用,2021,40(6):49-58.

姚仲敏,潘飞,沈玉会,等.基于GA-BP和POS-BP神经网络的光伏电站出力短期预测[J].电力系统保护与控制,2015,43(20):83-89.

祁丽婉,梁庚,童国炜,等.基于果蝇算法优化BP神经网络的齿轮箱故障诊断[J].电网与清洁能源,2014,30(9):31-36,42.

Xue J, Shen B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science ﹠ Control Engineering, 2020, 8(1) : 22-34.

陈昌松,段善旭,殷进军,等.基于神经网络的光伏阵列发电预测模型的设计[J].电工技术学报,2009,24(9):153-158.

项文强,张华,王姮,等.基于L-M算法的BP网络在变压器故障诊断中的应用[J].电力系统保护与控制,2011,39(8):100-103,111.

兰琴丽,章乐多.BP神经网络在光伏发电系统故障诊断中的应用[J].通信电源技术,2011,28(4):38-40.

Salah C B, Ouali M. Comparison of fuzzy logic and neural network in maximum power point tracker for PV systems[J]. Electric Power Systems Research, 2011, 81(1) : 43-50.

刘彦呈,王川,魏一.采用BP神经网络求解CUEP的实用计算[J].电力系统保护与控制,2011,39(22):144-149.

常景辉,张雪锋.混沌系统参数扰动方案及分析[J].计算机应用研究,2022,39(2):567-571.

毛清华,张强.融合柯西变异和反向学习的改进麻雀算法[J].计算机科学与探索,2021,15(6):1155-1164.

杜振鑫,王兆清.一种改进的动态改变惯性权重的粒子群算法[J].微电子学与计算机,2011,28 (3) : 85-88.

刘好斌.基于反向策略和柯西分布的粒子群优化算法[J].许昌学院学报,2018,37(8):1-3.

汪妮.500 kV真空断路器的常见故障分析[J].电子测试,2020(17):111-112,108.

浏览量

194

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进极限学习机的交直流微电网并网等效建模

高压断路器在线监测装置不停电安装工法

基于变分模态分解和麻雀搜索算法的双向长短期记忆网络的风电短期功率预测方法研究

252 kV高压断路器故障预警装置现场安装方法