张 扬， 刘艳丽

(辽宁工程技术大学 电气与控制工程学院，辽宁 葫芦岛 125105)

PSO优化BP神经网络的串联故障电弧识别方法*

张 扬， 刘艳丽

(辽宁工程技术大学 电气与控制工程学院，辽宁 葫芦岛 125105)

运用db5小波对故障电弧信号进行4层分解，提取故障频段能量谱作为特征量，建立BP神经网络。用粒子群优化(PSO)算法优化BP神经网络，从而快速准确地对故障电弧特征量进行拟合，用训练后的神经网络对故障电弧进行预测，达到了较好的预测识别效果，验证了该串联型故障电弧识别方法的有效性。

串联故障电弧； db5小波； 能量谱； 粒子群优化(PSO)算法；BP神经网络

0 引 言

在现代电力系统中，触点松动导致的虚连、电缆材料绝缘老化、接线操作不规范等都会导致供电线路中串联型故障电弧的发生。串联型故障电弧的电流的大小受连接的负载限制[1]，电路中的电流通常小于断路器额定电流，在检测过程中不易将其与正常操作电弧相区分。要达到迅速有效的保护，同时防止误动作的发生，就要及时有效对故障电弧进行检测。

BP神经网络已经被广泛用于故障电弧检测应用中，但其收敛速度慢，精度差。因此，本文参照UL1699标准搭建了故障电弧发生装置，分别以灯泡、电钻、电磁炉、电风扇、电脑、三相电机作为负载获取相关电流信号，根据串联故障电弧电流异于正常工作电流特性(产生“零休”现象)，现象发生时产生较强高次谐波的特点，提出运用小波变换对电流信号进行四层分解。将能量谱作为特征量输入到运用粒子群优化(PSO)算法后的BP神经网络进行训练，得到最优权值和阈值参数，将预测数据输入到训练好的系统中进行预测，得到了比较理想的预测效果。……