武汉市水务集团有限公司 孙 元
改革开放后,我国工业得到了极大的发展,各个工厂逐渐转向机械化、自动化生产,生产力水平有了很大的提升,但是与此同时,工厂的用电量也在不断增大,给工厂电网系统的正常运行带来了一定的压力,增加了配电柜发生故障得频率[1]。因此为保证工厂电力的正常输送,对配电柜故障进行检测具有十分重要的作用。
配电柜故障主要有空气断路器跳闸,缺相运行,电路短路等故障,其中电路故障是最常见的故障,也是最难处理的故障。因为工厂安装的配电柜一般是大型配电柜,其中的电路错综复杂,只要其中的一处发生故障就会导致工厂整个电力系统的瘫痪,检测时很难确定发生故障的具体位置,检测过程有时需要持续很久[2]。针对上述问题,提出一种基于小波一神经网络的电路故障智能检测方法。该方法从三个方面完成故障检测,首先利用小波对电路故障特征进行提取,然后利用BP神经网络分析故障特征,完成故障判断,最后对检测结果进行输出。
为检测该方法的有效性,进行了对比实验。结果表明:利用该方法对配电柜的电路故障进行检测时,检测正确率和效率较传统检测方法分别提高了13%和30%,由此证明该故障智能监测方法要优于传统检测方法,达到了本文研究的目的。
神经网络是在人脑神经网络结构和功能的基础上发明出来的一种处理方式,把人脑的分析、学习、处理、计算、自适应等能力集于一身,这也就决定了它在故障检测领域中的重要地位。……