基于小波神经网络的配电网故障定位与参数修正算法

"小波神经网络在配电网故障定位中的应用 (2013年)：该研究提出了一种基于小波神经网络(WNN)的配电网单相接地故障定位新方法，结合了暂态零序电流的小波能量、有功功率和无功功率作为特征量，针对小波神经网络的收敛速度慢和易陷于局部最优问题，提出了参数修正改进算法，通过增加动量项优化学习步长，并改进权值初始化以提升网络学习效率。实验证明，这种方法的故障定位准确率接近100%，适合于实际配电网故障检测。" 本文是2013年发表的一篇工程技术论文，研究主题是小波神经网络在电力系统中的应用，具体来说是用于配电网的单相接地故障定位。作者通过融合暂态零序电流的小波能量、有功功率和无功功率这三种关键数据，构建了一个紧致型小波神经网络模型。这种方法的优势在于能够有效提取故障信号的特征，提高故障识别的准确性。 小波神经网络（WNN）是一种结合了小波分析与神经网络的模型，它在信号处理和模式识别领域有广泛的应用。然而，传统的WNN在训练过程中可能存在收敛速度慢和易于陷入局部最优的问题。为此，研究者提出了一种参数修正改进算法，引入了动量项到权值调整公式中，这样可以根据过去的学习步长动态调整当前的学习速率，从而加快收敛速度并避免局部最小值。此外，通过新的权值初始化策略，进一步提升了网络的学习效率。 论文通过Matlab仿真进行了大量实验，结果显示，该方法对于单相接地故障的定位表现出色，准确率几乎达到100%。这表明该方法在实际的配电网故障定位中具有很大的潜力和实用性。研究工作得到了江西省科技支撑计划的资助，作者包括黄琼、王时胜和李震球，其中王时胜是通信作者。 这篇论文提出的改进小波神经网络方法为配电网故障定位提供了一种高效且精确的解决方案，对电力系统的故障诊断技术有重要贡献。其采用的数据融合策略和参数修正算法是解决传统神经网络问题的有效途径，对于后续相关研究具有借鉴意义。