基于1D-CNN的串联故障电弧检测

为提高串联故障电弧检测的可靠性,依据标准搭建串联故障电弧检测试验平台,设计数据实时采集装置采集了白炽灯、日光灯、空气压缩机、吹风机4种线性或者非线性负载在正常和故障情况下的电流数据共9 600组。提出利用一维卷积神经网络（1D-CNN）检测线路中电流信号对其分类,判断是否发生故障电弧。经测试该模型对各类负载的平均检测准确率达到100%,损失值在0.000 7以下。将模型导入嵌入式系统,准确度达到96.25%,证明设计的卷积神经网络架构可成功检测出串联故障电弧,降低火灾发生风险。     

基于HHT和RBF神经网络的串联故障电弧识别

针对串联故障电弧的识别,提出一种基于HHT(Hilbert-Huang transform,希尔伯特-黄变换)和RBF(radial basis function,径向基函数)神经网络相结合的识别方法。通过对不同负载下正常电流和故障电流信号的EMD分解,得到一系列的IMF分量;提取相关IMF分量的能量熵作为RBF神经网络输入的特征向量,训练RBF神经网络。实验数据分析表明,经过训练的神经网络能够有效地识别串联故障电弧。     

基于小波包分解的小电阻接地系统高阻接地故障检测方法

小电阻接地系统发生高阻接地故障时电流小于传统的零序电流保护动作阈值,并且时常伴随有电弧的发生,难以准确检测与切除高阻接地故障。文章首先分析了小电阻接地系统发生单相高阻接地故障时母线零序电压与线路零序电流的稳态特征以及接地故障电流的暂态特性。其次,针对高阻接地故障常伴随的电弧现象,对Schwarz电弧模型引入电弧长度加以改进,将改进的Schwarz模型与Mayr模型、Schwarz模型、“控制论”模型对比,分析表明所提电弧模型具有一定的合理性;并搭建了电容电流达158 A的10 kV小电阻接地方式配网模型,更加贴合实际配网。然后利用Coiflet4对母线零序电压和线路零序电流进行5层小波包分解,分析发现故障线路零序电流分解系数的极性与母线零序电压分解系数的极性相反且大于非故障线路零序电流分解系数。最后设置不同过渡电阻直接接地、不同过渡电阻经改进的Schwarz电弧模型串联接地、不同故障距离及不同故障相角等故障条件,验证了所提检测方法的可靠性。     

基于小波分析和Schwarz 模型的串联电弧故障仿真研究

为防范串联电弧故障引起的事故,研究Schwarz 电弧仿真模型。利用Schwarz 电弧模型对非线性负载电路进行模拟仿真和对比,分析出故障电路时电压和电流波形的特点。采用小波分析算法对电流进行分解,计算不同频段的能量。结果显示,在线性负载电路出现电弧故障时d6 频段前后能量变比系数大,非线性负载电路出现电弧故障时Ea6 和d5 频段前后能量变比系数大。利用这个特点,通过检测d6、Ea6 和d5 频段的电流能量,可以判断电路是否发生故障,有助于防范串联电弧故障引起的火灾事故。     

基于高频分量周期方差值的故障电弧检测

依据国家标准GB/T 31143-2014《电弧故障保护电器(AFDD)的一般要求》,搭建模拟串联故障电弧实验平台。串联电弧发生时,电流过零点附近具有"平肩部"的典型特征。某些典型负载正常情况时,电流波形也有相似于"平肩部"的特征,故对故障电弧的检测存在误判。研究采用db4小波函数作为小波基函数,对降噪后电流波形数据进行2层小波分解和重构,并提取小波高频分量。对不同典型负载下的正常和故障电流波形数据分析表明,小波高频分量的周期方差值能够较好地区分正常电流和故障电弧,可将其作为典型负载下串联电弧发生的判据。实验结果表明了该方法的有效性。     

煤电钻供电线路串联故障电弧检测技术研究

为了避免煤电钻供电线路串联故障电弧发热电流引起的火灾和点燃瓦斯造成爆炸事故,探讨为煤电钻综合保护装置增加故障电弧保护功能。通过将串联故障电弧电流与正常工作电流的波形数据比对,找出其差异特征,分析了采用现有检测技术的不足,提出利用单片机作为信号处理单元,应用高次谐波周期差别算法对电流信号进行检测和判断的故障电弧检测方法。分析结果表明采用高次谐波周期差别算法的故障电弧检测方法,可以对由于电缆芯线接头被氧化或松脱造成接触不良产生的电弧故障进行保护。     

低压供配电线路故障电弧检测方法

通过搭建试验平台模拟建筑物低压供配电线路中的故障电弧,分析故障电弧特征,提取出三种表征故障电弧的特征量,包括各周期采样点平均值、波形斜率和小波高频系数。应用MATLAB模糊工具箱,采用模糊逻辑推理的方法将三种判据融合,建立故障概率判定系统。     

《电气火灾监控系统 第4部分:故障电弧探测器》国家标准发布

<正>2014年5月6日,国家标准委批准发布《电气火灾监控系统第4部分:故障电弧探测器》国家标准,该标准为强制性标准,标准编号为GB 14287.4—2014,将于2015年6月1日起实施。故障电弧探测器是为预防电路中电弧故障引发火灾而设计的专用电路保护设备。故障电弧探测器能够检测到线路上故障电弧的发生,可在导线绝缘层和周围可燃物尚未燃烧前发出报警信号,有效降低由于接触不良、绝缘老化、机械外力等因素导致的电气火灾发生的概率,具有广泛的应用前景。     

低压电路接触不良断路电弧引燃能力实验研究

摘 要：针对家庭低压电弧引发火灾原因多发、引火机理不明等问题,利用电气火灾原因多发与防控装置模拟接触不良故障,研究系统功率和功率因数及碳电极直径对低压接触不良电弧引燃能力的影响。结果表明：系统功率≤320 W时,滤纸仅出现变黄、炭化现象,当系统功率＞370 W时,滤纸开始被引燃,且引燃概率随系统功率增大而增大,功率≥480 W,时滤纸均能被引燃;实验条件下电弧功率随功率因数减小而减小;直径对电弧的引燃能力的影响主要取决于阳极光斑大小,当阳极光斑＞碳电极直径时,滤纸均可被引燃;反之,滤纸几乎不能被引燃。研究结果对低压用电防火及电气故障预防提供了一定的基础参数与理论依据。     

基于数据融合技术的无人值守变电站火灾探测算法研究

针对变电站传统火灾报警系统存在误报、漏报率高,无法根据站内不同区域重要性采取严格程度不同的火灾报警及消防措施问题,笔者提出一种基于数据融合技术的无人值守变电站火灾探测算法。在数据融合技术的特征层,采用BP神经网络对探测区域内温度、烟雾体积分数、CO体积分数3种特征参量进行数据融合,预测输出明燃火及阴燃火的概率;在决策层,通过模糊推理将特征层输出的火灾概率与火灾延续时间、火灾风险度和损害度3种附加信息进行数据融合,最终决策输出火灾报警等级。仿真测试结果表明：该算法能够快速准确识别出明燃火及阴燃火场景,并能根据不同探测区域的重要性差异给出合理报警决策,具有一定的灵活性和先进性。     

低压配电线路电弧性短路故障仿真分析

阐述进行低压配电线路故障电弧研究的背景及意义．分析线路上故障电弧的产生条件、分类及特征,选取适用于低压配电系统的电孤数学模型,建立低压配电线路单相电弧性短路故障数学模型．通过仿真实验分析线路上发生电弧性短路故障时断路器过电流保护的局限性．说明电弧故障断路器应用的必要性,并提出电弧故障断路器的应用前景。     

小电阻接地系统电弧故障试验及其系统级参数优化仿真

通过一次10 kV配电网单相短路试验,获得并分析了与理想电孤有别的实际接地电弧伏安特性,验证了小电阻接地系统对弧光接地过电压的抑制作用.为能在时域条件下较准确地描述该实际电弧,对Mayr电弧模型进行了变换和改进.利用PSCAD/EMTDC中的多重仿真功能获得了短路稳态情况下的最优电弧参数,并对整个实验模型进行仿真.仿真...     

基于MATLAB BP神经网络的岩溶渗漏污染预测一例

本文以摆纪磷石膏堆场为研究对象,采用了地下水物质迁移模型中的"黑箱"模型,即运用MATLAB的BP神经网络建立磷石膏堆场岩溶渗漏污染预测模型,实现了人工神经网络对堆场岩溶渗漏污染的预测。在岩溶渗漏管道为单一管道类型时,模型预测值基本与实测值吻合,误差较小,效果较为理想。但对复杂的岩溶渗漏管道类型,虽然能大致反映出污染物浓度变化的趋势,但模型精度不够,误差较大,因此还需进一步收集数据进行模型的优化,使其达到理想的预测效果。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

基于人工神经网络的房地产市场预警模型研究 ——以成都市为例

随着社会的不断进步,房地产业迅速繁荣,对房地产市场进行有效的调控显得尤为重要。结合成都市房地产市场的特点,以及人工神经网络容错性、易操作等特性,利用人工神经网络建立房地产市场预警模型。选取成都市房地产业 2000~2014 年的数据,建立BP 人工神经网络模型,将2000~2013 年的数据作为训练样本,2014 年的数据作为检测样本。通过5000 次训练,在第263 次时得到最佳结果,实现了误差小于1e-6 的训练目标,其仿真效果具有较高的可信度。该BP 人工神经网络模型在有效进行市场预测、促进房地产市场可持续发展等方面有较高的实际意义。     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

基于BP神经网络改进算法在地铁隧道施工中的沉降预测

为使地铁隧道在施工中沉降监测数据具有一定的预见性,分别采用了BP神经网络改进算法的预测模型、传统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预测。对其预测结果进行分析,得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序列的三次指数平滑法模型预测精度的结论。     

BP网络在消防训练评价模型中的应用

对如何评价现代消防训练的总体效果，从被评单位的基本情况、训练工作的指导思想等9个方面，建立了评价指标体系原则、目标和内容。通过引入人工神经网络理论，建立了基于BP网络的评价模型，并结合应用实例进行了讨论。     

基于神经网络的隧道围岩位移反分析研究

根据重庆鹰嘴岩隧道现场监控量测资料,基于BP神经网络理论,进行了公路隧道围岩位移反分析研究。首先利用FLAC3D对隧道开挖衬砌过程进行模拟分析,建立各围岩参数组合与位移计算值的对应关系,形成用于神经网络训练和检验的样本,通过训练样本和检验样本分别对网络进行训练和检验,得出较为理想的位移反分析模型;然后通过此模型根据重庆鹰嘴岩隧道现场监控量测的围岩位移资料对有关围岩稳定性的力学参数进行了反演,为隧道围岩稳定性评价分析提供了重要的力学参数。