[发明专利]利用EMD与神经网络的永富直流换相失败故障诊断方法

权利要求书

1.一种利用EMD与神经网络的永富直流换相失败故障诊断方法，其特征在于：包括如下步骤:

A、分别提取逆变侧交流系统单相接地、逆变侧交流系统两相短路、逆变侧交流系统两相接地、逆变侧交流系统三相接地、系统正常状态及直流输电线路故障六种不同下的逆变侧直流电流信号，并对提取的信号进行相模分解，然后选取故障电流的线模分量进行EMD分解，得到从高频到低频的相对平稳的6个本征模态函数IMF分量；

B、计算IMF2～IMF5分量的近似熵和样本熵，并将计算结果进行归一化处理，将归一化以后的熵值分别组成近似熵特征向量和样本熵特征向量其中，是计算IMF2、IMF3、IMF4、IMF5分量的近似熵归一化后的熵值，是计算IMF2、IMF3、IMF4、IMF5分量的样本熵归一化后的熵值；

C、分别选取近似熵特征向量中的一部分作为训练样本，另一部分为测试样本及样本熵特征向量中的一部分作为训练样本，另一部分为测试样本；

D、建立神经网络分类器，分别进行以近似熵作为特征向量的故障识别及以样本熵作为特征向量的故障识别，识别内容为：正常状态时神经网络分类器输出(0 0 1)，线路故障时神经网络分类器输出(1 0 0)，换相失败时神经网络分类器输出(0 1 0)。

2.根据权利要求1所述的利用EMD与神经网络的永富直流换相失败故障诊断方法，其特征在于：步骤A中所得6个IMF分量为用逆变侧直流电流作为原始信号，对其进行相模变换，将电流的线模分量用EMD进行信号分解后得到了为从高频到低频的相对平稳的5个IMF分量和一个剩余量R共计6个分量，由于第一个IMF分量为包含噪声的高频成分，故选取IMF2-IMF5四个分量进行分析。

3.根据权利要求1所述的利用EMD与神经网络的永富直流换相失败故障诊断方法，其特征在于：步骤B中对计算结果进行归一化处理的方法为最大值最小值算法，其计算公式为：式中，i＝1,2,…,m，j＝1,2,…,n，n和m均为正整数，为归一化后的数据集，D^i×j为原始样本数据集，min(D^j)为原始样本的最小值，max(D^j)为原始样本的最大值。

4.根据权利要求1所述的利用EMD与神经网络的永富直流换相失败故障诊断方法，其特征在于：步骤C中训练样本、测试样本的选取是在归一化后的特征向量中随机选取。

5.根据权利要求书1所述的利用EMD与神经网络的永富直流换相失败故障诊断方法，其特征在于：步骤D中所建立的神经网络分类器为Elman神经网络分类器。

6.根据权利要求书1或5所述的利用EMD与神经网络的永富直流换相失败故障诊断方法，其特征在于：所述神经网络采用自适应学习速度算法，学习率为0.01，最大训练次数取为5000，收敛精度设置为10^-2。