[发明专利]一种基于BP神经网络的AT单线供电系统的故障测距方法

说明书

本发明创造提供了一种基于BP神经网络的AT单线供电系统的故障测距方法，包括：S1、搭建由输入层、隐含层、输出层三个部分组成的BP神经网络；S2、定义BP神经网络的参数；S3、选取SS、AT、SP所内的数据输入BP神经网络，建立输入与输出的映射关系Y为故障距离测距结果；S4、利用不同故障位置和故障类型的训练样本对BP神经网络进行训练。本发明创造提供了一种基于BP神经网络来对AT单线供电系统故障进行定位的方法，此方法适用于系统不同位置，不同类型的故障定位，解决了AT变电所附近容易判错区间的问题，同时避免了因为模型简化与等效而导致测距偏差或测距错误的问题。

技术领域

本发明创造属于电气化牵引铁路技术领域，尤其是涉及一种基于BP神经网络的AT单线供电系统的故障测距方法。

背景技术

单线AT供电系统，可以不用提高牵引网的绝缘等级，而使供电电压提高一倍，在同一牵引负荷的情况下，接触网与正馈线的电流减小一倍，鉴于这种独特的优势，已经被广泛的推广与应用。但是牵引系统构造比较复杂，由于自耦变压器，维护线PW、放电器等设备的接入，当故障发生时，每次都能高效准确的定位具有一定难度，不免偶然存在偏差甚至是错误；系统发生TR或FR短路故障时，行业内普遍采用吸上电流比法进行测距；

现有技术的缺点包括：1、在理论分析时，为了简化模型，进行了一些等效。实际中，在靠近AT所发生故障时，会有大部分电流流到非故障区间，这样根据各所的吸上电流来判断区间可能会判错，导致计算错误；2、由于模型的简化与等效，所以由模型得出的公式在定性研究中有一定参考价值，但在定量计算故障位置时，可能存在偏差，需要进行修正，且修正的规律也尚未有完善理论依据，只能进行尝试。

发明内容

有鉴于此，本发明创造旨在克服上述现有技术中存在的缺陷，提出一种基于BP神经网络的AT单线供电系统的故障测距方法。

为达到上述目的，本发明创造的技术方案是这样实现的：

一种基于BP神经网络的AT单线供电系统的故障测距方法，包括：

S1、搭建由输入层、隐含层、输出层三个部分组成的BP神经网络；

S2、定义BP神经网络的参数；

S3、选取SS、AT、SP所内的数据输入BP神经网络，建立输入与输出的映射关系Y为故障距离测距结果；

S4、利用不同故障位置和故障类型的训练样本对BP神经网络进行训练；

S5、BP神经网络训练过程中，以输出层的期望输出与实际输出构造误差函数，通过对权重与阈值进行调整，使误差函数逐渐减小，直到输出的测距结果无限的趋近于正确值时，得到稳定的权重值和阈值并输出；

S6、借助Matlab的函数得到BP神经网络的权重值矩阵和阈值矩阵；

S7、将未训练过的数据组成输入矩阵，结合权重值矩阵和阈值矩阵，完成故障测距计算。

进一步的，所述步骤S1中，输入层包含15个AT单线系统的故障电量输入位；定义隐含层共有k层，每层神经个数为15个；输出层还有一个输出，该输出为输入故障电量对应的故障位置。

进一步的，所述步骤S2中，定义BP神经网络函数的具体步骤如下：定义BP神经网络的传递函数为logsig；学习速率为0.06；最大训练次数为10000次；训练函数为trainlm；学习函数为learngdm，训练所达到的误差目标为：1e-30；性能函数采用mse函数。

进一步的，所述步骤S3中，建立输入与输出的映射关系的具体方法如下：

S31、构建输入层的输入向量：