基于BP算法的铁路配电网故障诊断研究

摘 要：通过分析铁路配电网的特点，针对铁路电网故障的不确定性因素与故障数据种类繁多的特点，采用BP算法进行故障诊断，先研究铁路电网的故障类型，然后分析BP算法的训练过程，最终设计并实现了基于BP算法的铁路电网故障诊断。

关键词：铁路电网 故障诊断 BP算法

中图分类号：TM711 文献标识码：A 文章编号：1674-098X（2012）12（c）-00-01

铁路电力系统是铁路运输的灵魂，而在铁路电力系统中，铁路配电网是其运行的关键，它直接影响着铁路上的行车安全，是铁路系统中的核心[1]。但是由于铁路配电网线路复杂，工程面积大，人工查找配电网故障原因存在很多困难，而配电管理自动化水平还处于较低的水平[2]。所以，需要一种智能的故障诊断法应用于铁路配电网的故障诊断中。

1 铁路配电网的主要特点

铁路配电网与普通电网相比，它的主要特点是其接线为单一辐射网，自闭贯通线出线少且和自闭线同为双端电源结构，通常为单电源供电。此外，其母线与变压器等设备与普通电网区别不大，但自动化水平较低，电路信息量大，可用于故障诊断的信息较多。铁路配电网的故障类型主要分为四大类：输电线路故障、母线故障、系统振荡、系统瓦解[3]。该文主要针对的是铁路配电网的输电线故障。

2 BP算法训练流程

BP神经网络在故障诊断中广泛应用的原因是它具有学习能力、分类和识别与知识处理能力。BP算法在故障诊断中的工作原理为：输入信号从输入层经隐含层逐层处理，直至输出层 。若输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值与阀值，从而使预输出不断地逼近期望输出。

3 BP算法的铁路配电网故障诊断

BP神经网络中输入变量即征兆变量，不失一般性，取具有代表性的电网性能参数：发电机、变压器、线路的容量与电压以及线路电流，分别用，，・・・，表示，取一组样本作为示例。BP神经网络隐含层神经元的传递函数采用对数型传递函数logsig，输出层神经元传递函数采用线性激活函数purelin。本例将隐含层节点数设为10，最大训练次数为1000次，最小均方误差为le-8。网络训练性能如图1所示，网络训练代码如下：

4 结语

该文设计的基于BP算法铁路配电网故障诊断经过多次仿真测试，故障诊断效果良好，该方法效果显著，具有一定的意义。

参考文献

[1] 钱清泉.路配电目自动化发展与展望[C]//中国科协2004年学术年会铁道分会场论文集.北京：中国科学技术出版社，2004.

[2] 舒辉.配电网故障信息管理厦诊断系统[D].成都西南交通大学电气工程学院，2008.

[3] 芮静康.常见电气故障的诊断与维修[M].北京：机械工业出版社，2007.