[發明專利]基于小波分析與模糊神經網絡算法的斷路器故障檢測方法

在審

• 申請號: 202110320952.1
• 申請日: 2021-03-25
• 公開（公告）號: CN113191192A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 鄭繼輝;師濤;黨軍朋;張學敏;楊永旭;施迎春;唐一恒;苗琛;畢小熊
• 申請（專利權）人: 云南電網有限責任公司玉溪供電局
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G01R31/327
• 代理公司: 昆明正原專利商標代理有限公司 53100
• 代理人: 于洪;金耀生

1.基于小波分析與模糊神經網絡算法的斷路器故障檢測方法，其特征在于，包括如下步驟：

步驟(1)，采集斷路器分合閘線圈電流波形及其相應的故障類型；

步驟(2)，利用小波分析對步驟(1)采集的斷路器分合閘線圈電流波形進行處理后，得到去噪平滑后的電流波形；

步驟(3)，從步驟(2)去噪平滑后的電流波形中提取波形中的特征參數；

步驟(4)，將步驟(3)得到的特征參數作為模糊RBF神經網絡的輸入，以相應的故障類型作為輸出，進行訓練，得到用于檢測斷路器故障的模糊RBF神經網絡；

步驟(5)，采集待檢測斷路器分合閘線圈電流波形，之后按照步驟(2)和步驟(3)進行處理，將得到的特征參數輸入步驟(4)得到的用于檢測斷路器故障的模糊RBF神經網絡，根據該模糊RBF神經網絡的輸出，獲取相應的斷路器故障檢測結果。

2.根據權利要求1所述的基于小波分析與模糊神經網絡算法的斷路器故障檢測方法，其特征在于，步驟(1)中，采用霍爾電流傳感器對分合閘線圈電流信號進行采集。

3.根據權利要求1所述的基于小波分析與模糊神經網絡算法的斷路器故障檢測方法，其特征在于，步驟(1)中，故障類型包括：正常、分閘扣卡澀、分合閘線圈匝間短路、分合閘線圈接觸不良和操作機構動作速度降低。

4.根據權利要求1所述的基于小波分析與模糊神經網絡算法的斷路器故障檢測方法，其特征在于，步驟(2)中，采用二進制小波變換提取電流信號，得到去噪平滑后的電流波形。

5.根據權利要求1所述的基于小波分析與模糊神經網絡算法的斷路器故障檢測方法，其特征在于，步驟(3)中提取的特征參數為t₁，t₂，t₃，i₁，i₂，i₃；t₁，t₂，t₃表示電流曲線的時間量，i₁，i₂，i₃表示時間量對應的值。

6.根據權利要求1所述的基于小波分析與模糊神經網絡算法的斷路器故障檢測方法，其特征在于，模糊RBF神經網絡包括順序連接的輸入層、模糊化層、隱層和輸出層；

選擇y(x，a，b)選擇函數作為隸屬度函數，其定義為：

式(23)中，a，b為常數；

設輸入的樣本為X＝(x₁,x₂,x₃…x_n)，其中n為輸入特征值的數量；輸入的特征值X_i中最大值為X_imax，最小值為X_imin，正常值為X_i0，其中有X_iminX_i0X_imax，特征值X_i的模糊子集分為{高(H),正常(N)，低(L)}，得：

θ表示模糊運算函數；

式(24)中：

得到將樣本X模糊化后的模糊輸入樣本X’：

X’＝{μ_L(X₁)，μ_N(X₁)，μ_H(X₁)，μ_L(X₂)，μ_N(X₂)，μ_H(X₂)，…，μ_L(X_n)，μ_N(X_n)，μ_H(X_n)}。

7.根據權利要求6所述的基于小波分析與模糊神經網絡算法的斷路器故障檢測方法，其特征在于，a取值1.4-1.6，b取值2.7-2.9。