基于BP 神經(jīng)網(wǎng)絡(luò)的電纜故障測距算法設(shè)計

毛 丹

(南通軌道交通集團有限公司運營分公司)

0 引言

近年來隨著我國城市人口越來越密集, 城市交通出行成為了重要發(fā)展對象, 我國開始大力發(fā)展城市軌道交通事業(yè), 而不同于傳統(tǒng)的鐵路, 城市軌道交通主要動力來源于電力系統(tǒng), 變電站通過220kV/110kV變電成為35kV, 而35kV 線路通過整流系統(tǒng)整流成為±1500V 供給城市軌道交通線路進行運營, 因此, 電力系統(tǒng)成為了系統(tǒng)唯一動力來源, 而城市人口密集,無論是變電還是電能傳輸無法通過傳統(tǒng)的架空線路形式進行傳輸, 因此選用了占地面積小、結(jié)構(gòu)穩(wěn)定的交聯(lián)聚乙烯線路運行, 這保證了一方面節(jié)約了大量的土地資源, 另一方面, 電纜線路結(jié)構(gòu)穩(wěn)定, 一般情況下不易發(fā)生故障, 從而廣泛被軌道交通線路所應(yīng)用。

隨著大量的軌道交通線路投運, 大部分交聯(lián)聚乙烯電纜線路以運行超過了10 年, 由于電力電纜線路其配件復(fù)雜, 無論是生產(chǎn)工藝還是安裝工藝都需要經(jīng)過慎重考究, 同時電纜線路埋于地下, 在長時間的運行過程中, 受到自然環(huán)境、動物侵蝕、過電壓過負荷的影響, 線路易發(fā)生各類故障, 因此, 電纜線路狀態(tài)監(jiān)測成為了電纜線路穩(wěn)定運行的重要參量之一, 對于軌道交通電纜線路, 其承載了軌道交通機車穩(wěn)定運行的重要負載, 當線路發(fā)生故障跳閘時, 快速識別電纜故障點以及故障點排查恢復(fù)軌道交通機車供電顯得分外重要。

鑒于上述問題, 本文基于BP 神經(jīng)網(wǎng)絡(luò), 優(yōu)化狼群算法, 利用電纜線路故障參量進行優(yōu)化訓(xùn)練BP 神經(jīng)網(wǎng)絡(luò)參數(shù), 提出了一種軌道交通電纜線路故障測距實用性算法。

1 電力電纜故障分類

現(xiàn)階段, 隨著城市化人口的不斷集中, 我國城市化人口越來越集中, 城市化出行以及供電需求越來越大, 隨著城市化用電區(qū)域越來越集中, 架空線路無法適應(yīng)以及滿足城市用電需求, 因此城市集中供電區(qū)域, 類似軌道交通線路、生產(chǎn)工廠大部分采用了電纜線路從而替代了傳統(tǒng)的架空線路, 電纜線路具備更強的穩(wěn)定性以及更低的故障率, 因此城市供電電纜線路逐漸替代了架空線路, 成為了重要的電能載體。

電纜線路一般情況下敷設(shè)于電纜溝或者直埋于地下, 一方面受到生產(chǎn)工藝、施工工藝的影響, 電纜線路易發(fā)生外絕緣損傷的情況, 在長時間運行時, 電纜線路極易從外絕緣缺陷演變成為主絕緣故障, 進而導(dǎo)致電纜線路發(fā)生故障跳閘; 另一方面受到地下潮濕自然環(huán)境的影響, 電纜外絕緣層易發(fā)生各類腐蝕, 導(dǎo)致電纜線路出現(xiàn)水樹枝、電樹枝的情況, 進而誘發(fā)電纜線路發(fā)生絕緣擊穿的情況; 其次電纜線路在地下會存在蟻噬、鼠噬的情況, 長此以往容易導(dǎo)致線路主絕緣發(fā)生故障進而出現(xiàn)電纜擊穿的情況; 最后部分直埋電纜線路容易受到外力破壞導(dǎo)致線路本體出現(xiàn)彎曲, 接地的情況從而嚴重影響了電纜線路的主絕緣導(dǎo)致電纜線路發(fā)生故障跳閘, 如下圖1 所示為電纜線路主要故障類型:

圖1 電纜線路主要故障類型

2 電力電纜不同種類故障特征分析

上述分析了現(xiàn)階段電纜線路主流故障以及導(dǎo)致主流故障產(chǎn)生的原因, 對于電纜線路而言不同種類的故障其表現(xiàn)出現(xiàn)的特征是不同的, 針對于上述四類故障, 從故障阻抗高低分, 可分為高阻故障、中阻故障、低阻故障。一般情況下由于生產(chǎn)工藝、施工工藝以及潮濕的地下環(huán)境導(dǎo)致的電纜線路發(fā)生故障跳閘此類故障為“漸發(fā)性”故障; 一般情況下其故障阻抗特征均表現(xiàn)為高阻抗類故障, 蟻噬、鼠噬此類故障一般情況下是長時間小動物啃噬, 最終導(dǎo)致了電纜線路發(fā)生主絕緣損傷進而出現(xiàn)了跳閘情況, 該類故障可以判定為中阻故障; 而外力破壞導(dǎo)致電纜線路發(fā)生故障跳閘, 一般是電纜線路的主絕緣遭到了破壞, 該類故障基本為屏蔽層接地或者芯線短接從而導(dǎo)致了線路發(fā)生故障, 該類故障為低阻類故障。

從電纜故障特征來分, 當電纜線路由于“生產(chǎn)工藝、施工工藝”導(dǎo)致的電纜發(fā)生故障時, 電纜線路此時表現(xiàn)出來的特征為首先電纜線路存在微弱放電跡象, 不會明顯表現(xiàn)出工頻的畸變性, 直到電纜開始出現(xiàn)主絕緣擊穿時, 此時才會發(fā)生明顯的工頻變化, 潮濕環(huán)境影響電纜線路的主要因素是電纜線路絕緣層會出現(xiàn)各類放電情況, 到影響到絕緣后期時, 線路中的環(huán)流明顯變大, 此時絕緣會出現(xiàn)明顯問題, 而外力破壞類故障, 一般情況下其電纜線路表現(xiàn)出來正常的狀態(tài), 當線路發(fā)生外力破壞時, 芯線中電流呈現(xiàn)出明顯變大的狀況, 依據(jù)上述特征可大致區(qū)分電纜線路的狀態(tài)。同時電纜線路在發(fā)生故障跳閘時, 故障點精確定位尤為重要, 在區(qū)分了電纜線路故障類型后, 以后為電纜線路故障進行故障點精確定位算法編寫。

3 優(yōu)化算法簡介

3.1 優(yōu)化狼群算法

狼群算法起源于2007 年, 為了分析自然界中動物捕捉的一種智能算法, 該算法通過不斷的迭代, 進而檢索出系統(tǒng)最有解, 應(yīng)用于電纜線路故障測距則是通過數(shù)據(jù)分析方式實現(xiàn)電纜故障點信息的最有解, 其算法步驟如下所示:

①系統(tǒng)初始化, 在系統(tǒng)中隨機設(shè)置n匹人工狼,通過隨機判定設(shè)置狼i位置位于:

初始位置判定方法為, 主要為隨機產(chǎn)生:

式中, 將rand定義為分布在區(qū)間[-1, 1] 中分布的隨機數(shù),xmax、xmin為檢索空間內(nèi)的最大值以及最小值;

②從設(shè)置的n匹狼中進行選取p只狼作為領(lǐng)袖,在p只狼周圍選取q個點位進行搜索, 直到出現(xiàn)qmax為止, 若沒有出現(xiàn), 則繼續(xù)搜索, 所出現(xiàn)則停止搜索, 其中p只狼中第i只狼附近出現(xiàn)的點位中j的位置為:

式中,step為系統(tǒng)設(shè)定步長。

③通過不斷搜索, 進行qmax求解, 并不斷改變其位置進行迭代, 最終最優(yōu)解位置:

④采用優(yōu)勝劣汰的原則, 進行最優(yōu)位置求解, 不斷采用最優(yōu)解迭代, 最終保留部分最優(yōu)解結(jié)果, 進而實現(xiàn)了求解。

⑤其算法流程圖如下圖2 所示。

圖2 優(yōu)化算法流程圖

3.2 優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法

由于BP 神經(jīng)網(wǎng)絡(luò)算法在進行計算時收斂速度不高且會出現(xiàn)局部死區(qū)的情況, 這在對數(shù)據(jù)處理以及算法優(yōu)化時存在極大問題, 對于BP 神經(jīng)網(wǎng)絡(luò)算法, 本文在進行電纜線路故障精確定位時采用行波電流進行數(shù)據(jù)分析, 對行波電流進行傅里葉積分變換, 確定其行波電流分頻率以及幅值分布, 然后進行故障點求解, 神經(jīng)網(wǎng)絡(luò)算法是一種較為成熟的模糊概念求解方式, 類似于小波變換, 其神經(jīng)網(wǎng)絡(luò)模型較為廣泛, 本文選用BP 神經(jīng)網(wǎng)絡(luò)由于其具備更高的逼近性以及輸入輸出的非線性映射性, 因此BP 神經(jīng)網(wǎng)絡(luò)算法模型具備更強的故障測距計算能力, 圖3 所示為BP 神經(jīng)網(wǎng)絡(luò)算法的基本模型。

圖3 BP 神經(jīng)網(wǎng)絡(luò)算法流程圖

4 電纜故障定位

上述算法利用狼群優(yōu)化算法結(jié)合BP 神經(jīng)網(wǎng)絡(luò)算法對電纜線路故障測距提出了最優(yōu)解, 以下對電纜線路進行仿真驗證, 本文針對于軌道交通電纜線路進行故障測距驗證, 給出了電纜線路的分布式參數(shù)以及PSCAD 仿真模型, 表1 所示為電纜線路正序負序仿真參數(shù), 圖4 為電纜線路線路PSCAD 仿真模型。

表1 電纜分布參數(shù)

圖4 電纜故障仿真模型

本文選用的故障點模型為注入式故障模型, 以A相單相故障為例子, 通過切換故障點位置不斷該變故障點信息通過上述優(yōu)化研究的算法與實際故障點信息相比對, 進而獲得故障測距信息的準確性。

通過表2 證明, 經(jīng)過優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)算法相比于傳統(tǒng)的故障測距算法具有一定的提升, 但是隱藏層的tran-sigmoid 函數(shù)相對而言, 同樣重要, 本文中第三類隱藏層的算法具有更加高的故障測距的精確性。

表2 優(yōu)化算法計算結(jié)果與實際故障點對比結(jié)果

5 結(jié)束語

隨著城市化發(fā)展需求, 電纜線路逐漸發(fā)展成為了重要的電能傳輸載體, 其故障種類繁多, 同時不同的故障種類表現(xiàn)出現(xiàn)的故障特征不盡相同, 本文采用了狼群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)算法, 采用了第三類transigmoid 函數(shù)相對而言其故障測距精度更有更高的精確性, 不足之處在于本文采用了仿真計算形式并未投入到現(xiàn)場試驗驗證。