Page 56 - 电力与能源2024年第五期

588 贾金伟，等：基于 PSO-SOM 神经网络算法的串联电弧故障检测

表 6 各神经网络模型识别准确率对比 ments［J］ IEEE Transactions on Power Delivery，2000，15
.

测试样本 正确识别 （2）：580-584.
模型 识别率/%
个数 样本个数 ［6］ 王 倩，叶 赞，谭王景，等 . 精确击穿电弧模型仿真及分

LVQ 神经网络 400 213 53.25 析［J］ 电网与清洁能源，2015，31（10）：4-9.

.

SOM 神经网络 400 224 56.00 ［7］ 仵 涛，吴文辉，徐晨华 . 梯形动态电弧模型下 VFTO 的

PSO-SOM 神经网络 400 380 95.00 计算和分析［J］ 电瓷避雷器，2018（4）：188-193.

.

［8］ 王启龙，王博文，管红立，等 . 低压交流串联故障电弧模型

从 检 测 结 果 可 以 看 出 ：经 过 PSO 优 化 的
及 实 验［J］ 电 力 系 统 及 其 自 动 化 学 报 ，2018，30（2）：

.
SOM 神经网络模型对故障电弧和正常电弧的检
26-30.
测准确率可达 95.00%，PSO 算法中粒子的最优值 ［9］ QI P，JOVANOVIC S，LEZAMA J，et al. Discrete wave⁃

在经过 40 次训练以后基本上达到了最大值；而未 let transform optimal parameters estimation for arc fault de⁃
tection in low-voltage residential power networks ［J］ Elec⁃
.
优化的 SOM 神经网络模型和 LVQ 神经网络模型
tric Power Systems Research， 2017， 143：130-139.
的准确率仅为 50% 左右。由此不难看出，PSO 算 ［10］ KOZIY K，GOU B. A low-cost power-quality meter with

法可以大大增加 SOM 神经网络的分类精度。 series arc-fault detection capability for smart grid［J］ IEEE
.

Transactions on Power Delivery，2013，28（3）：1584-1591.
5 结语 ［11］ KUMPULAINEN L，HOSSAIN G，LEHTONEN M，et

al. Pre-emptive arc fault detection techniques in switchgear
本文以 3 种神经网络模型为基础，对故障电 and controlgear［C］//2012 Petroleum and Chemical Indus⁃
.

I
弧检测问题进行了研究。首先通过试验平台获 try Conference （PCIC） ［S.1.］：EEE，2012：1-9.

［12］ GRASSETTI R，OTTOBONI R，ROSSI M，et al. Low

取了 5 种负载在正常和故障情况下的电弧电流
cost arc fault detection in aerospace applications［J］ IEEE
.
数据，然后对数据进行处理，从中提取了时域指 Instrumentation & Measurement Magazine，2013，16（5）：

标 和 频 域 指 标 共 计 49 个 数 据 点 。 本 文 选 取 了 37-42.
［13］ 张俊康，邓启亮，唐金城，等 . 串联故障电弧的特征分析与

LVQ 和 SOM 两种神经网络，并建立了基于 PSO

建模研究［J］ 电工技术，2017（1）：30-32.
.

算法优化的 SOM 网络模型。使用电弧电流的特
［14］ LI S. Study of low cost arc fault circuit interrupter based on
征值数据分别对 3 种模型进行训练，并对比其识 MCU［J］ International Journal of Control and Automation，
.

别准确率。结果表明，经过 PSO 优化的 SOM 神 2015，8（10）：25-34.
［15］ 余琼芳 . 基于小波分析及数据融合的电气火灾预报系统及
经 网 络 模 型 的 识 别 准 确 率 高 达 95.00%，说 明

.
应用研究［D］ 秦皇岛：燕山大学，2013.
PSO 算法能够大大提升 SOM 神经网络算法的分 ［16］ 邹云峰，吴为麟，李智勇 . 基于自组织映射神经网络的低压
类正确率。 故 障 电 弧 聚 类 分 析［J］ 仪 器 仪 表 学 报 ，2010，31（3）：
.
571-576.
参考文献：
［17］ 刘桂芬，李 杨 . 遗传算法优化 GMM 的故障电弧识别方
［1］ GUARDADO J L，MAXIMOV S G，MELGOZA E. An

法［J］ 测控技术，2019，38（1）：77-81.
.
improved arc model before current zero based on the com⁃
［18］ 王子骏，张 峰，张士文，等 . 基于支持向量机的低压串联

bined mayr and cassie arc models［J］ IEEE Transactions on
.
故 障 电 弧 识 别 方 法 研 究［J］ 电 测 与 仪 表 ，2013，50（4）：
.

Power Delivery，2005，20（1）：138-142.

22-26.
［2］ KHAKPOUR A，FRANKE S，GORTSCHAKOW S，et al.

［19］ MORTAZAVI S H，MORAVEJ Z，SHAHRTASH S M.

An improved arc model based on the arc diameter［J］ IEEE
.
A hybrid method for arcing faults detection in large distribu⁃

Transactions on Power Delivery，2016，31（3）：1335-1341.

.
tion networks［J］ International Journal of Electrical Power
［3］ HABEDANK U. Application of a new arc model for the

and Energy Systems，2018，94：141-150.

evaluation of short-circuit breaking tests［J］ IEEE Transac⁃
.

［20］ YARMASU A，CAO Y，LIU G，et al. Aircraft electric

tions on Power Delivery，1993，8 （4）：1921-1925.
system intermittent arc fault detection and location［J］ .
［4］ 乔 凯，刘文正，张 坚，等 . 基于改进 Mayr 模型的弓网

IEEE Transactions on Aerospace and Electronic Systems，
离 线 电 弧 仿 真 分 析［J］ 铁 道 标 准 设 计 ，2018，62（5）：
.

2015，51（1）：40-51.

138-142.
收稿日期：2024-05-21
［5］ SCHAVEMAKER P H，VAN DER SLUI L. An im⁃

（本文编辑：赵艳粉）
proved Mayr-type arc model based on current-zero measure⁃