基于小波變換的電纜故障預(yù)測定位系統(tǒng)數(shù)據(jù)融合-預(yù)覽頁
【正文】 定位系統(tǒng)，及時發(fā)現(xiàn)故障隱患，并準(zhǔn)確定位出故障點(diǎn)，是電纜線路安全運(yùn)行中一個亟待解決的問題[1]。仿真結(jié)果表明：用小波變換融合數(shù)據(jù)所建系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型的輸出預(yù)測的平均誤差，遠(yuǎn)遠(yuǎn)小于數(shù)據(jù)融合前所建模型預(yù)測的平均誤差，基于小波變換的數(shù)據(jù)融合方法確保了建模所用訓(xùn)練樣本的可信度及其權(quán)值的合理性。首先，剔除電纜故障實(shí)測數(shù)據(jù)中的疏失誤差數(shù)據(jù)，再用小波變換檢測出有效實(shí)測數(shù)據(jù)的誤差趨勢，度量有效實(shí)測數(shù)據(jù)的可信度，根據(jù)可信度給出有效實(shí)測數(shù)據(jù)的權(quán)值。由于故障預(yù)測在提高電纜線路運(yùn)行的安全性及減小損失方面具有顯而易見的主動性，因而實(shí)現(xiàn)電纜線路故障預(yù)測和定位，并在準(zhǔn)確預(yù)測和定位的基礎(chǔ)上，排除電纜線路的故障隱患具有現(xiàn)實(shí)意義。根據(jù)有關(guān)部門統(tǒng)計(jì)，短路或接地故障占全部電纜故障的90%以上[2]。系統(tǒng)中共用了5個傳感器，其中2個A/D轉(zhuǎn)換器用于檢測系統(tǒng)的平衡狀態(tài)，另3個A/D轉(zhuǎn)換器用于檢測系統(tǒng)的輸入點(diǎn)的電位[4]。由于網(wǎng)絡(luò)輸入是5維向量，故輸入層取5個節(jié)點(diǎn)。其中：前5維是輸入數(shù)據(jù)；最后1維是輸出數(shù)據(jù)，表示電纜的故障點(diǎn)距電纜一端的距離。這些疏失誤差的測量值顯然與事實(shí)不符，對測量結(jié)果是一種嚴(yán)重的歪曲，應(yīng)該加以剔除。圖2顯示了80個Uc的實(shí)測數(shù)據(jù)Uc80，圖3顯示了80個Uc的實(shí)測數(shù)據(jù)分布狀態(tài)。Uc的置信概率P=%。傅立葉分析是將信號分解成一系列不同頻率的正弦波的疊加，與之類似，小波分析是將信號分解成一系列小波函數(shù)的疊加，而這些小波函數(shù)都是由一個基本小波函數(shù)經(jīng)過平移與尺度伸縮得來的[7]。將信號的高頻部分去掉，信號的基本特征仍然可以保留。經(jīng)過小波變換，可以檢測出許多其他方法忽略的信號特性，例如信號的發(fā)展趨勢、信號的高階不連續(xù)點(diǎn)，自相似特性。至此，就實(shí)現(xiàn)了用小波變換識別出原始信號誤差的發(fā)展趨勢的目的。另外，為簡化有效實(shí)測數(shù)據(jù)的權(quán)值的選取過程，根據(jù)有效原始信號誤差的發(fā)展趨勢可知，實(shí)測數(shù)據(jù)的可信度隨著測量次數(shù)的增加而增加。網(wǎng)絡(luò)輸入是5維向量，故輸入層取5個節(jié)點(diǎn)。神經(jīng)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的作用函數(shù)取線性函數(shù) （2）式中：x為輸入自變量；f為輸出函數(shù)；a為線性系數(shù)。LM優(yōu)化方法的優(yōu)點(diǎn)是收斂速度快、收斂誤差小。圖7 用融合后的數(shù)據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型對電纜故障距離的預(yù)報(綠色)及預(yù)報誤差(藍(lán)色) Prediction (green)and its error (blue)of cable fault distance from nn modelconstructed by using the fused data圖8中綠色曲線是用小波變換數(shù)據(jù)融合前的數(shù)據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型對電纜故障距離的預(yù)報，藍(lán)色曲線是預(yù)報誤差。3) 用基于小波變換的數(shù)據(jù)融合方法融合后的數(shù)據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型對電纜故障距離的預(yù)測誤差均值，遠(yuǎn)遠(yuǎn)小于用融合前實(shí)測數(shù)據(jù)建立的神經(jīng)網(wǎng)絡(luò)模型對電纜故障距離的預(yù)測誤差均值。仿真結(jié)果表明：用基于小波變換的數(shù)據(jù)融合方法確保了建模所用的訓(xùn)練樣本的可信度及其權(quán)值的合理性，且用融合后數(shù)據(jù)所建神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差遠(yuǎn)遠(yuǎn)小于融合前數(shù)據(jù)所建神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差
研究報告相關(guān)推薦
鄂ICP備17016276號-1