[发明专利]基于神经网络黑箱模型的串联型故障电弧仿真方法

摘要

本发明属于故障电弧仿真领域，尤其涉及基于神经网络黑箱模型的串联型故障电弧仿真方法，包括以下步骤：1)利用串联型故障电弧实验系统进行串联型故障电弧实验；2)计算在不同实验条件下Mayr‑Schwarz故障电弧数学模型参数τ_m、α、P_S、β；3)计算初始电弧电导的最优值g_0u；4)建立预测Mayr‑Schwarz故障电弧数学模型参数和初始电弧电导的最优值的神经网络黑箱模型；5)建立串联型故障电弧的仿真模型，并对故障电弧进行仿真分析。与现有技术相比，本发明可预测不同电路条件下串联型故障电弧数学模型参数，进而建立串联型故障电弧系统仿真模型，为无法进行现场实验条件下对串联型故障电弧进行特征分析及故障诊断开辟了新的思路。

主权项

1.一种基于神经网络黑箱模型的串联型故障电弧仿真方法，基于串联型故障电弧实验系统，该系统包括：交流电源、断路器、电压互感器、电流互感器、电弧发生器、数据采集卡和实验负载；所述交流电源、断路器、电弧发生器和实验负载依次相连；电流互感器一次线圈与主回路串联，电压互感器一次线圈并联在电弧发生器两端；电流互感器和电压互感器采集的信号经处理后由数据采集卡送至计算机；其特征在于，包括以下步骤：步骤1，利用串联型故障电弧实验系统进行串联型故障电弧实验，获取不同实验条件下不同时刻的串联型故障电弧实验系统的电弧电压u_h和故障电流i_h；步骤2，根据步骤1得到的不同时刻的串联型故障电弧实验系统的电弧电压u_h和故障电流i_h，采用Mayr动态电弧微分方程得到不同时刻的电弧时间常数τ₁,τ₁，...τ_n、不同时刻的电弧耗散功率P₁,P₂,...,P_n，基于Mayr‑Schwarz电弧数学模型得到不同实验条件下Mayr‑Schwarz故障电弧数学模型参数τ_m、α、P_S、β，其中，1，2，...,n为时间序列；步骤2.1，建立关于电弧耗散功率P和电弧时间常数τ的Mayr动态电弧微分方程，根据步骤1采集的不同时刻的电弧电压u_h和故障电流i_h，获取不同时刻的电弧时间常数τ₁,τ₁，...τ_n、不同时刻的电弧耗散功率P₁,P₂,...,P_n；步骤2.2：基于Mayr‑Schwarz电弧数学模型建立Mayr‑Schwarz故障电弧数学模型参数与电弧耗散功率P和电弧时间常数τ的关系式；所述Mayr‑Schwarz故障电弧数学模型参数包括：时间常数系数τ_m、常量α、耗散功率常数系数p_s、常量β；步骤2.3：建立Mayr‑Schwarz故障电弧数学模型参数与电弧耗散功率P和电弧时间常数τ的拟合函数关系式，根据不同时刻的电弧时间常数τ₁,τ₁，...τ_n和不同时刻的电弧耗散功率P₁,P₂,...,P_n对电弧电导进行拟合，得到不同实验条件下的Mayr‑Schwarz故障电弧数学模型参数；步骤3，建立串联型故障电弧实验系统的等效电路，以初始电弧电导g₀和初始燃弧时间t₀作为二维粒子群空间的粒子，采用粒子群算法求得初始电弧电导的最优值g_0u；步骤3.1，将串联型故障电弧实验系统回路中除故障电弧电阻R_h以外的阻抗表示为电阻R和电感L的并联形式，得到串联型故障电弧实验系统的等效电路，建立该等效电路的回路电压与节点电流方程；步骤3.2，设定初始电弧电导g₀的初始值，以初始电弧电导g₀和初始燃弧时间t₀作为二维粒子群空间的粒子，将根据初始电弧电导g₀在等效回路的回路电压与节点电流方程计算得到的等效电路电弧电压u'_h与采集的电弧电压u_h的均方误差作为适应度，采用粒子群算法得到初始电弧电导的最优值g_0u；步骤4，建立预测不同电路条件下Mayr‑Schwarz故障电弧数学模型参数的神经网络黑箱模型；将不同实验条件下的相电压有效值U、相电流有效值I、功率因数Mayr‑Schwarz故障电弧数学模型参数和初始电弧电导的最优值g_0u输入神经网络黑箱模型程序，对神经网络黑箱模型进行训练，即得到可预测不同电路条件下Mayr‑Schwarz故障电弧数学模型参数和初始电弧电导的最优值的神经网络黑箱模型；步骤5：根据神经网络黑箱模型，对不同电路条件下的Mayr‑Schwarz故障电弧数学模型参数及初始电弧电导最优值g_0u进行预测，建立串联型故障电弧的仿真模型，并对故障电弧进行仿真分析。