基于 ICA 与 PSO 训练神经网络在德黑兰铁路系统单极对地故障检测与定位
信号处理
2021-07-09 v1
摘要
在铁路供电系统中，检测极对地故障的位置对于系统的安全运行十分重要。本文的目标是使用进化算法与神经网络相结合的方法，以提高德黑兰铁路供电系统单极对地故障检测与定位的精度。相应地，采用帝国主义竞争算法（ICA）和粒子群优化（PSO）来训练神经网络，以提高学习过程的精度和收敛性。由于系统的非线性，故障检测是所提方法的理想应用，本文采用 600 Hz 谐波纹波法进行故障检测。通过考虑供电电路、变压器和硅整流器的各种情况对变电站进行了仿真，并采用德黑兰地铁典型参数建立模型。网络学习过程所需数据由仿真结果收集。600Hz 分量值会随着单极对地故障位置的变化而变化。因此，以 600Hz 分量作为神经网络的输入，故障位置作为网络系统的输出。仿真结果表明，所提方法能够准确预测故障位置。
引用
@article{arxiv.2107.03791,
title = {Single Pole-To-Earth Fault Detection and Location on the Tehran Railway System Using ICA and PSO Trained Neural Network},
author = {Masoud Safarishaal},
journal= {arXiv preprint arXiv:2107.03791},
year = {2021}
}
备注
12 Page 7 Figures 1 Table