Page 53 - 电力与能源2024年第五期

贾金伟，等：基于 PSO-SOM 神经网络算法的串联电弧故障检测 585

型。文献［4］提出了改进的 Mayr 电弧模型，文献 如表 1 所示，白炽灯负载电路的一组电流频域特
［5］提出了 Schwamaker 电弧模型，文献［6-8］提出 征值如表 2 所示，电磁炉负载电路的一组电流频
了分段式电弧模型。电弧故障特征提取主要包括 域特征值如表 3 所示，计算机负载电路的一组电
时域特征提取和频域特征提取，其中时域特征主 流频域特征值如表 4 所示，手电钻负载电路的一
要是电弧故障电流的零休现象，采用的分析方法 组电流频域特征值如表 5 所示。

主要是傅里叶分析和小波分析 ［9-14］ 。电弧故障检 从表 1~表 5 可以看出：灯感、白炽灯和计算
测 算 法 主 要 有 神 经 网 络 算 法 ［15-16］ 、混 合 高 斯 模 机 3 种负载的频域分布特征规律相近，故障情况
型 ［17］ 、支 持 向 量 机 法 ［18-19］ 和 Chirp-zeta 变 换 法 ［20］ 下电流频域幅值比正常情况下高，且两种工作条
等。其中：神经网络算法、混合高斯模型、支持向 件下电流幅值关于频率的分布规律相似；而电磁
量机法和 Chirp-zeta 变换法常被应用于室内低压 炉和手电钻 2 种负载的故障电流幅值在低频段均

配电系统；ABCD 矩阵法适合于负载类型较少的 低于正常电流，在高频段高于正常电流。
场合，主要被应用于飞机电弧故障检测；量子概率 表 1 灯感串联负载电路电流频域特征值
模型理论法主要应用于光伏发电系统的电弧故障 负载名称 故障电流幅值 正常电流幅值
平均值/% 平均值/%
电流检测。
0.031 8 0.019 4
本文在前人研究的基础上，提出一种使用粒 0.012 4 0.000 5
子 群 优 化（PSO）算 法 优 化 自 组 织 特 征 映 射 0.012 9 0.000 7
0.012 0 0.001 5
（SOM）神经网络的方法，并用该方法检测电弧故 0.011 5 0.000 7
灯感
障。具体而言，首先引入类内密度、标准差和样本 0.010 8 0.001 4
0.010 6 0.001 0
差异度 3 个指标构建 PSO 算法的适应度函数，然
0.007 8 0.001 6
后利用 PSO 算法对 SOM 网络的权值进行优化， 0.008 2 0.001 1
最后分别使用经过 PSO 优化的 SOM 网络与未经 0.006 4 0.000 9
优化的 SOM 网络以及学习向量量化算法（LVQ） 表 2 白炽灯负载电路电流频域特征值

神经网络对电弧电流特征进行识别、评估，并比较 负载名称 故障电流幅值 正常电流幅值
平均值/% 平均值/%
各个模型的准确率。
3.730 4 2.927 3
0.945 9 0.021 0
1 电路电流频域特征提取 0.566 3 0.091 1
0.456 4 0.075 8
电弧故障发生的位置和燃烧的强度是未知 0.260 5 0.020 4
白炽灯
的，很难利用声、光、热、电压等信号检测出电弧故 0.291 6 0.097 3
0.230 0 0.054 2
障，因此本文选择电流作为电弧故障的检测信号。
0.179 7 0.056 9
为了能够较为全面地获取电路电流的特征，从时 0.221 5 0.061 1
域和频域两个方面对电流进行特征提取。本文数 0.178 2 0.029 0
据来自 5 种类型负载电路，如表 1~表 5 所示。电
2 LVQ 神经网络
源为交流 220 V，50 Hz。
利用快速傅里叶变换得到电流幅值频谱。选 故障电弧识别问题中，电流特征较多，为了提
取 0~2 000 Hz 频率范围内的幅值进行频域特征 高识别精度，本文使用神经网络方法对特征进行

值计算。在计算过程中，对 0~2 000 Hz 频带范围 分类。目前可以用于分类问题的神经网络有多
进行 10 等分，并对每个等分区间的电流幅值求均 种，例如反向传播（BP）神经网络、LVQ 神经网络、
值，每个均值作为频域的 1 个特征值，一共 10 个特 Hopfield 神经网络、SOM 神经网络和卷积神经网
征值。灯感串联负载电路的一组电流频域特征值 络等。本文在此选取 LVQ 和 SOM 两种神经网络