• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    GA 優(yōu)化LVQ網(wǎng)絡(luò)的配電網(wǎng)接地故障選線方法

    2015-07-18 11:28:21彭湃周羽生高云龍劉讓姣安正洲熊杰
    關(guān)鍵詞:選線零序權(quán)值

    彭湃,周羽生,高云龍,劉讓姣,安正洲,熊杰

    (長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院,長(zhǎng)沙410004)

    GA 優(yōu)化LVQ網(wǎng)絡(luò)的配電網(wǎng)接地故障選線方法

    彭湃,周羽生,高云龍,劉讓姣,安正洲,熊杰

    (長(zhǎng)沙理工大學(xué)電氣與信息工程學(xué)院,長(zhǎng)沙410004)

    針對(duì)配電網(wǎng)故障相電壓過(guò)零點(diǎn)且高阻接地故障選線困難的問(wèn)題,文中提出了應(yīng)用遺傳算法優(yōu)化學(xué)習(xí)量量化神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)單相接地故障選線方法。首先利用小波分析方法提取線路零序電流信號(hào)的模極大值,以此作為學(xué)習(xí)量量化神經(jīng)網(wǎng)絡(luò)的輸入向量,采用局部搜索算子改進(jìn)的遺傳算法去優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始權(quán)值向量,解決了網(wǎng)絡(luò)對(duì)初始權(quán)值的敏感性問(wèn)題。加速網(wǎng)絡(luò)的收斂過(guò)程,提高網(wǎng)絡(luò)的聚類精度,實(shí)現(xiàn)對(duì)不同故障類型進(jìn)行故障線路的快速、準(zhǔn)確識(shí)別。仿真結(jié)果表明,該方法有效地減少了傳統(tǒng)學(xué)習(xí)量量化神經(jīng)網(wǎng)絡(luò)選線的誤判幾率,提高了選線速度和精確度。

    配電網(wǎng);遺傳算法;學(xué)習(xí)量量化;小波分析;故障選線

    配電網(wǎng)單相接地故障時(shí),利用故障暫態(tài)信號(hào)選線具有較高的可靠性和靈敏度[1-2]?;谛〔ǚ治鲞x線法比其他穩(wěn)態(tài)選線法更具有優(yōu)越性[3-4],但是小波分析選線法難點(diǎn)在于小波基函數(shù)及小波分解尺度的選擇,且受過(guò)渡電阻、故障時(shí)刻等因素影響,特別是當(dāng)故障相的相電壓過(guò)零點(diǎn)且過(guò)渡電阻較大時(shí),故障線路與非故障線路暫態(tài)特征量差別不明顯,此時(shí)容易造成選線誤判[5]。

    為解決上述問(wèn)題,本文提出運(yùn)用遺傳算法GA(geneic algorithm)[6-7]的學(xué)習(xí)向量量化LVQ(learn vector quantization)[8]神經(jīng)網(wǎng)絡(luò)改進(jìn)小波分析選線算法,將故障選線問(wèn)題看成一類特殊的分類問(wèn)題,利用局部搜索算子改進(jìn)的遺傳算法去優(yōu)化LVQ神經(jīng)網(wǎng)絡(luò)的分類功能,建立單相接地故障選線的神經(jīng)網(wǎng)絡(luò)模型,解決LVQ算法對(duì)網(wǎng)絡(luò)初始權(quán)值的敏感性問(wèn)題,加速網(wǎng)絡(luò)的收斂過(guò)程,提高網(wǎng)絡(luò)的聚類精度,有效地解決傳統(tǒng)小波分析故障選線存在的問(wèn)題,提高了選線速度與精度。

    1 小波分析選線方法的不足

    配電網(wǎng)單相接地故障時(shí),暫態(tài)電流分量成分復(fù)雜、衰減快且持續(xù)時(shí)間短,利用小波奇異性檢測(cè)理論,確定各線路暫態(tài)零序電流小波變換后的模極大值,比較各出線模極大值的大小可以確定故障線路與非故障線路。當(dāng)接地電阻較小時(shí),故障線路的模極大值大于非故障線路的模極大值;但當(dāng)接地電阻較大且故障時(shí)刻處在故障相的相電壓過(guò)零點(diǎn)時(shí),故障線路與非故障線路暫態(tài)特征量差別很小,此時(shí)故障線路零序電流的奇異程度與非故障線路的差別并不明顯,容易導(dǎo)致誤判。

    以圖1為例,仿真模型采用中性點(diǎn)經(jīng)消弧線圈接地的配電網(wǎng)接地故障系統(tǒng),參數(shù)設(shè)置為:系統(tǒng)元件頻率均為50 Hz;三相電源電壓為35 kV,A相初始角設(shè)為0°;輸電線路正序電阻R1=0.452 1 Ω/ km,零序電阻R0=0.724 3 Ω/km,正序電感L1= 0.933 7 mH/km,零序電感L0=3.096 4 mH/km,正序電容C1=6.108 5 μF/km,零序電容C0=3.809 2 μF/km[9];5條饋線L1~L5長(zhǎng)度分別為10 km、15 km、8 km、18 km、25 km。采用過(guò)補(bǔ)償度為10%的補(bǔ)償方式。

    圖1 配電網(wǎng)結(jié)構(gòu)模型Fig.1Structure model of distribution network

    在故障相電壓過(guò)零點(diǎn)、接地電阻2 kΩ,線路L5發(fā)生接地故障時(shí),利用二進(jìn)小波對(duì)線路L1與L5的零序電流信號(hào)進(jìn)行4層Daubchies10小波分解,如圖2所示,線路L1與L5的零序電流小波模極大值均為0.02。可見(jiàn)用小波模極大值選線方法,在故障相的相電壓過(guò)零點(diǎn),過(guò)渡電阻較大時(shí)容易誤判,導(dǎo)致選線精度不高,從這一角度出發(fā)提出GA優(yōu)化LVQ網(wǎng)絡(luò)的故障選線算法。

    圖2 故障線路與非故障線路零序電流小波分解Fig.2Wavelet decomposition of fault line and non-fault line zero-sequencial current

    2 GA優(yōu)化LVQ網(wǎng)絡(luò)故障選線原理

    2.1 LVQ網(wǎng)絡(luò)分類原理

    LVQ網(wǎng)絡(luò)是一種訓(xùn)練競(jìng)爭(zhēng)層的有監(jiān)督學(xué)習(xí)方法的前向神經(jīng)網(wǎng)絡(luò),融合了自組織和有導(dǎo)師監(jiān)督的技術(shù),它的優(yōu)點(diǎn)在于網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單,只通過(guò)內(nèi)部單元的互相作用就可以完成十分復(fù)雜的分類處理,也很容易將設(shè)計(jì)域中的各種繁雜分散的設(shè)計(jì)條件收斂到結(jié)論上來(lái),且它不需要對(duì)輸入量進(jìn)行歸一化、正交化處理,只需直接計(jì)算輸入矢量與競(jìng)爭(zhēng)層之間的距離,從而實(shí)現(xiàn)模式判別[10]。如圖3所示,LVQ網(wǎng)絡(luò)由3層神經(jīng)元組成,即為輸入層、競(jìng)爭(zhēng)層和線性輸出層。

    圖3 LVQ神經(jīng)網(wǎng)絡(luò)模型Fig.3Model of LVQ neural network

    LVQ網(wǎng)絡(luò)算法可分為L(zhǎng)VQ1算法和LVQ2算法兩種,本文應(yīng)用LVQ1算法進(jìn)行故障選線。LVQ1算法的步驟為

    步驟1初始化輸入層與競(jìng)爭(zhēng)層之間的權(quán)值Wij及學(xué)習(xí)率η(η>0)。

    步驟2將輸入向量x=(x1,x2,…,xR)T送入到輸入層,并根據(jù)式(1)計(jì)算競(jìng)爭(zhēng)層神經(jīng)元與輸入矢量的距離為

    步驟3選擇與輸入矢量距離最近的競(jìng)爭(zhēng)層神經(jīng)元,若di最小,則記與之連接的線性輸出層神經(jīng)元的類標(biāo)簽為Ci。

    步驟4記輸入矢量對(duì)應(yīng)的類標(biāo)簽為Cx,若Ci=Cx,即分類正確,調(diào)整權(quán)值計(jì)算式為

    否則分類不正確,權(quán)值更新公式為

    步驟5選擇下一個(gè)輸入矢量,返回到步驟2,直到樣本集中所有的矢量都提供一遍為止。

    2.2 GA優(yōu)化LVQ網(wǎng)絡(luò)

    LVQ網(wǎng)絡(luò)具有很好的分類識(shí)別特性,能對(duì)任意輸入矢量進(jìn)行分類,無(wú)論它們是否可分,但LVQ網(wǎng)絡(luò)存在兩點(diǎn)不足[11]:一是存在“死神經(jīng)元”,即未被充分利用的神經(jīng)元;二是其算法對(duì)初始權(quán)值比較敏感,即如果初始權(quán)值的選擇偏差太大就會(huì)產(chǎn)生不好的聚類效果,從而影響故障選線結(jié)果。為了克服LVQ算法對(duì)初始權(quán)值的敏感性,本文提出采用遺傳算法(GA)對(duì)LVQ的初始權(quán)值進(jìn)行優(yōu)化,形成了在小波分析小電流故障選線方法存在不足的基礎(chǔ)上基于遺傳算法(GA)優(yōu)化LVQ網(wǎng)絡(luò)的小電流故障選線方法。采用遺傳算法(GA)優(yōu)化的LVQ網(wǎng)絡(luò)的初始值,可以迅速得到最佳的網(wǎng)絡(luò)權(quán)值矢量,然后LVQ算法進(jìn)行故障選線識(shí)別,有效提高故障選線速度和精度。遺傳算法優(yōu)化LVQ選線算法具體步驟。

    步驟1創(chuàng)建LVQ網(wǎng)絡(luò)。

    利用小波程序?qū)⒏骶€路的零序電流信號(hào)進(jìn)行小波分析,提取信號(hào)中的暫態(tài)分量(模極大值),作為L(zhǎng)VQ網(wǎng)絡(luò)的訓(xùn)練樣本集和測(cè)試樣本集。

    步驟2編碼(產(chǎn)生初始種群)。

    由于染色體代表的是LVQ網(wǎng)絡(luò)的權(quán)值,故染色體采用實(shí)數(shù)編碼。假設(shè)樣本輸入向量的維數(shù)為N,則選擇N個(gè)0~1的隨機(jī)數(shù)進(jìn)行編碼,得到N個(gè)碼串,即為染色體,染色體的長(zhǎng)度為m×N,m為輸出神經(jīng)元的個(gè)數(shù),重復(fù)上述過(guò)程得到S個(gè)染色體,構(gòu)成遺傳算法的初始種群P,并設(shè)定最大進(jìn)化代數(shù)T。

    步驟3初始網(wǎng)絡(luò)權(quán)值。

    用初始種群中的染色體對(duì)LVQ網(wǎng)絡(luò)的權(quán)值進(jìn)行初始化,用訓(xùn)練樣本XN=(x1,x2,…,xR)T(xR表示第N組故障樣本中第R條出線零序電流信號(hào)的模極大值)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

    步驟4適應(yīng)度函數(shù)(計(jì)算染色體的適應(yīng)度)。

    隨機(jī)個(gè)體到輸入樣本點(diǎn)的平均方差距離為

    式中:D(t)表示平均方差距離;A表示群體數(shù)目;Xi(t)表示樣本輸入向量;Pi(t)表示隨機(jī)第t代個(gè)體向量。

    記適應(yīng)度最小的染色體為Wmin為一個(gè)好的初始權(quán)值。本文將適應(yīng)度函數(shù)定義為

    式中:yi(k)和yi(k)分別表示訓(xùn)練樣本k在第i個(gè)輸出節(jié)點(diǎn)的實(shí)際輸出和期望輸出;q為樣本個(gè)數(shù);m為輸出神經(jīng)元的個(gè)數(shù)。

    迭代計(jì)算的終止條件為

    若|d|<ε,則跳到步驟8。

    步驟5遺傳操作。

    1)選擇操作

    采用輪盤賭法選擇法從P(t)選擇適應(yīng)度高的個(gè)體PS(t)遺傳到下一代,淘汰適應(yīng)度低的個(gè)體。

    2)交叉操作

    為提高網(wǎng)絡(luò)的收斂速度,因此采用交叉概率P1對(duì)中間代PS(t)中的染色體間進(jìn)行兩點(diǎn)交叉操作得到新的中間代PC(t)。

    3)變異操作

    以便搜索到更好的可能解,采用均勻變異。按變異概率P2對(duì)中間代PC(t)中的個(gè)體獨(dú)立進(jìn)行變異。產(chǎn)生子代P(t+1),形成新一代群體。

    步驟6精英策略。

    為了避免每一代的最優(yōu)個(gè)體Xbest在進(jìn)化的過(guò)程中由于遺傳操作而遭受到破壞,采用精英保留選擇機(jī)制,即把當(dāng)前的最優(yōu)個(gè)體Xbest直接復(fù)制到下一代中。

    步驟7局部搜索策略。

    為了保證找到最優(yōu)的初始權(quán)值,將局部搜索算法應(yīng)用于每一代的最優(yōu)個(gè)體上。找出當(dāng)前種群的最好個(gè)體Xbest,在Xbest附近進(jìn)行k次局部搜索,找出k個(gè)個(gè)體中適應(yīng)度最好的個(gè)體Xkbest,若Xkbest適應(yīng)度值比Xbest的適應(yīng)度值好,則用Xkbest的適應(yīng)度值取代Xbest的適應(yīng)度值,并將Xkbest取代種群中最差的個(gè)體。

    步驟8賦予網(wǎng)絡(luò)新的權(quán)值。

    通過(guò)遺傳算法迭代計(jì)算,當(dāng)|d|<ε時(shí)或達(dá)到最大進(jìn)化代數(shù)T時(shí),則選擇最優(yōu)的染色體作為L(zhǎng)VQ網(wǎng)絡(luò)的初始權(quán)值向量Wij,否則轉(zhuǎn)到步驟4。

    步驟9網(wǎng)絡(luò)訓(xùn)練與測(cè)試。

    用LVQ1算法將訓(xùn)練樣本進(jìn)行多次循環(huán)訓(xùn)練后,LVQ網(wǎng)絡(luò)的競(jìng)爭(zhēng)層神經(jīng)元權(quán)重向量分布適合對(duì)輸入向量進(jìn)行故障選線判別分類。用測(cè)試樣本去測(cè)試訓(xùn)練好的GA-LVQ網(wǎng)絡(luò)的性能,對(duì)于每一個(gè)輸入向量,網(wǎng)絡(luò)都會(huì)提供相應(yīng)的選線結(jié)果,GALVQ神經(jīng)網(wǎng)絡(luò)故障選線流程如圖4所示。

    圖4GA-LVQ神經(jīng)網(wǎng)絡(luò)故障選線流程Fig.4Flow chart for fault line selection of GA-LVQ neural network

    3 仿真分析

    3.1 仿真數(shù)據(jù)采集

    采用Matlab仿真,仿真模型結(jié)構(gòu)如圖1所示。進(jìn)行仿真分析時(shí),仿真模型中的powergui模塊采用discrete模式,設(shè)置采樣時(shí)間為1×10-5s,分不同線路(L1~L5)、故障位置(10%、50%、90%)、故障初始角(0°、30°、60°、90°)以及故障點(diǎn)接地電阻(1 Ω、100 Ω、1 kΩ、2 kΩ),共采集到240組故障樣本。

    3.2 訓(xùn)練模型的建立

    用190組故障樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,輸入數(shù)據(jù)為5條線路在不同故障類型下暫態(tài)零序電流小波模極大值x,輸出量為網(wǎng)絡(luò)選出的故障線路。由于GA是一種隨機(jī)探索尋優(yōu)的方法,使得每次優(yōu)化的權(quán)值不一致,從而影響到最終的選線結(jié)果,因此進(jìn)行10次選線并從中選擇選線結(jié)果最好的一次作為最終選線結(jié)果。設(shè)定遺傳算法的種群數(shù)A為30,交叉概率P1為0.2,變異概率P2為0.05,設(shè)定ε為0.01,遺傳迭代結(jié)束的條件為|d|<ε(如圖4所示),最大進(jìn)化代數(shù)T為50,網(wǎng)絡(luò)競(jìng)爭(zhēng)層神經(jīng)元個(gè)數(shù)設(shè)置為20,學(xué)習(xí)速率設(shè)為0.1,訓(xùn)練步數(shù)設(shè)置為1 000,訓(xùn)練期望誤差ω為0.1。分別用傳統(tǒng)LVQ和GA-LVQ神經(jīng)網(wǎng)絡(luò)方法對(duì)訓(xùn)練樣本數(shù)據(jù)進(jìn)行訓(xùn)練網(wǎng)絡(luò)。

    3.3 測(cè)試實(shí)驗(yàn)結(jié)果

    圖5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)收斂情況Fig.5Convergence status of neural network training function

    將剩下的50組故障樣本測(cè)試訓(xùn)練后的傳統(tǒng)LVQ和GA-LVQ網(wǎng)絡(luò)的診斷精度,GA-LVQ網(wǎng)絡(luò)訓(xùn)練函數(shù)收斂情況如圖5(a)所示,傳統(tǒng)LVQ網(wǎng)絡(luò)訓(xùn)練函數(shù)收斂曲線如圖5(b)所示。從圖5(b)中可以看出,傳統(tǒng)LVQ網(wǎng)絡(luò)訓(xùn)練到第15步時(shí)才收斂至訓(xùn)練期望誤差0.1,用時(shí)19 s;從圖5(a)可知GALVQ神經(jīng)網(wǎng)絡(luò)訓(xùn)練只需要9步便收斂至訓(xùn)練期望誤差0.1,只用時(shí)8 s,大大縮短了網(wǎng)絡(luò)訓(xùn)練時(shí)間,由

    統(tǒng)計(jì)50組故障樣本的測(cè)試結(jié)果,為了直觀的對(duì)仿真結(jié)果進(jìn)行分析,用disp()和plot()函數(shù)將GA-LVQ神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)LVQ神經(jīng)網(wǎng)絡(luò)的結(jié)果顯示在命令窗口中,如圖6所示。從圖6(a)可知傳統(tǒng)LVQ網(wǎng)絡(luò)測(cè)試集樣本中有7組樣本發(fā)生了誤判,分別為第6、12、17、28、31、38、42組樣本;而GALVQ網(wǎng)絡(luò)測(cè)試集樣本中只有2組樣本發(fā)生了誤判,分別為第15組和第41組樣本發(fā)生誤判,其余48組樣本預(yù)測(cè)結(jié)果均與實(shí)際故障線路相符,如圖6(b)所示。有效地提高了傳統(tǒng)LVQ網(wǎng)絡(luò)單相接地故障選線準(zhǔn)確率。

    傳統(tǒng)的LVQ網(wǎng)絡(luò)和GA-LVQ網(wǎng)絡(luò)對(duì)不同線路不同的故障類型進(jìn)行了全面的訓(xùn)練與測(cè)試,將兩種算法在相同的訓(xùn)練集數(shù)NT和測(cè)試集數(shù)NTe的情況下對(duì)訓(xùn)練收斂所需的步數(shù)NE、時(shí)間tT和誤判數(shù)進(jìn)行比較,如表2所示,采用GA-LVQ神經(jīng)網(wǎng)絡(luò)不僅可以提高傳統(tǒng)LVQ神經(jīng)網(wǎng)絡(luò)的收斂速度,而且提高了選線精度。此可見(jiàn)利用遺傳算法(GA)優(yōu)化的LVQ網(wǎng)絡(luò)加速了收斂迅速。

    通過(guò)對(duì)故障時(shí)刻故障相電壓波形的觀測(cè),調(diào)整故障初始角得到故障相電壓過(guò)零點(diǎn)的情況。針對(duì)配電網(wǎng)中5條線路發(fā)生不同接地故障,下面分別列出了5條線路均在10%處相電壓過(guò)零點(diǎn)且不同接地電阻Rg=1 Ω和Rg=2 kΩ時(shí)發(fā)生單相接地故障的選線結(jié)果,如表1所示。從表中發(fā)現(xiàn)GALVQ神經(jīng)網(wǎng)絡(luò)可以精確判斷故障線路,彌補(bǔ)了小波模極大值選線法的不足。

    表1 故障相電壓過(guò)零點(diǎn)時(shí)的選線結(jié)果Tab.1Line selection results of crossing-zero fault phase voltage

    圖6 測(cè)試集的選線結(jié)果Fig.6Line selection results of test set

    表2 LVQ和GA-LVQ故障選線結(jié)果比較Tab.2Fault line selection results comparisons of LVQ and GA-LVQ neural network

    4 結(jié)語(yǔ)

    本文提出的基于遺傳算法(GA)的LVQ網(wǎng)絡(luò)改進(jìn)小波分析的小電流故障選線的方法充分利用了LVQ網(wǎng)絡(luò)的分類功能,將故障選線問(wèn)題看成為一類特殊的分類問(wèn)題,并利用局部搜索算子改進(jìn)的遺傳算法優(yōu)化LVQ神經(jīng)網(wǎng)絡(luò)的初始權(quán)值,解決了LVQ算法對(duì)網(wǎng)絡(luò)初始權(quán)值的敏感不足的問(wèn)題,加速網(wǎng)絡(luò)的收斂過(guò)程,提高網(wǎng)絡(luò)的聚類精度,解決了故障相電壓過(guò)零點(diǎn)且高阻接地故障選線困難的難題,有效地提高了選線速度和準(zhǔn)確度。

    [1]王偉,焦彥軍(Wang Wei,Jiao Yanjun).暫態(tài)信號(hào)特征分量在配網(wǎng)小電流接地選線中的應(yīng)用(Application of characteristic components of transient signal in groundedwire detection of ineffectively earthed distribution systems)[J].電網(wǎng)技術(shù)(Power System Technology),2008,32(4):96-100.

    [2]張帆,潘貞存,張慧芬,等(Zhang Fan,Pan Zhencun,Zhang Huifen,et al).基于零序電流暫態(tài)極大值的小電流接地選線新判據(jù)(New criterion of fault line selection in non-solidly earthed network based on the maximum of zero sequence transient current)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2006,30(4):45-48,79.

    [3]李也白,唐克義,張霄霄,等(Li Yebai,Tang Keyi,Zhang Xiaoxiao,et al).小波包原理小電流接地選線裝置的研發(fā)與應(yīng)用(Research and application of small current grounding line selection device based on wavelet packet principle)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)(Proceedings of the CSU-EPSA),2013,25(2):159-162.

    [4]趙新紅,袁洪,車偉(Zhao Xinhong,Yuan Hong,Che Wei).小波變換在小電流接地電弧故障選線中的應(yīng)用(Study of arc-grounding fault selection based on wavelet analysis for the small current neutral grounding system)[J].高電壓技術(shù)(High Voltage Engineering),2005,31(10):18-20.

    [5]王耀南,霍百林,王輝,等(Wang Yaonan,Huo Bailin,Wang Hui,et al).基于小波包的小電流接地系統(tǒng)故障選線的新判據(jù)(A new criterion for earth fault line selection based on wavelet packets in small current neutral grounding system)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2004,24(6):54-58.

    [6]都洪基,姚婷婷,劉林興(Dou Hongji,Yao Tingting,Liu Linxing).遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)在小電流接地系統(tǒng)故障選線中的應(yīng)用(Fault line selection in power system with indirectly earthed neutral based on the artificial neural network optimized by genetic algorithm)[J].繼電器(Relay),2004,32(5):29-31.

    [7]熊高峰,聶坤凱,劉喜蘋(píng),等(Xiong Gaofeng,Nie Kunkai,Liu Xiping,et al).基于遺傳算法的隨機(jī)機(jī)組組合問(wèn)題求解(GA-based solution to stochastic unit commitment problem)[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)(Proceedings of the CSU-EPSA),2012,24(5):93-99.

    [8]劉文軒,嚴(yán)鳳,田霖,等(Liu Wenxuan,Yan Feng,Tian Lin,et al).基于LVQ神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)故障定位方法(LVQ neural network approach for fault location of distribution network)[J].電力系統(tǒng)保護(hù)與控制(Power System Protection and Control),2012,40(5):90-95.

    [9]李秀中.電線電纜常用數(shù)據(jù)速查手冊(cè)[M].北京:中國(guó)電力出版社,2010.

    [10]葛哲學(xué),孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2007.

    [11]Aurangzeb M,Crossley P A,Gale P.Fault location using the high frequency traveling waves measured at a single location on a transmission line[C]//Seventh International Conference on Developments in Power System Protection. Amsterdam,Netherlands,2001:403-406.

    Ground Fault Line Selection Method in Distribution Network Using GA Optimal LVQ Network

    PENG Pai,ZHOU Yusheng,GAO Yunlong,LIU Rangjiao,AN Zhengzhou,XIONG Jie
    (College of Electrical Engineering and Information,Changsha University of Science and Technology,Changsha 410004,China)

    In order to solve the problem of crossing-zero faulty phase voltage and fault line selection difficulty in distribution network with high resistance ground,a single-phase ground fault line selection method based on learn vector quantization(LVQ)neural network optimized by genetic algorithm(GA)is proposed.Firstly,the modulus maxima of line zero sequence current signals is extracted by wavelet analysis method,which is considered as the input vector of LVQ.On the basis of the improved GA with local search operator to optimize the initial weight vector of the neural network,which solved the problem of the sensitive issues of initial weights,improves the convergence and the clustering precision,and confirms that fault line can be identified quickly and accurately for different fault types.The simulation results indicate that the proposed method can effectively decrease the probability of misjudge compared with the traditional LVQ neural network method,and the method increases the speed and accuracy of line selection.

    distribution network;genetic algorithm(GA);learn vector quantization(LVQ);wavelet analysis;fault line selection

    TM713

    A

    1003-8930(2015)12-0064-06

    10.3969/j.issn.1003-8930.2015.12.12

    彭湃(1989—),女,碩士研究生,研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)與控制。Email:121364090@qq.com

    2013-11-28;

    2014-04-16

    周羽生(1965—),男,博士,教授,研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)與配電網(wǎng)自動(dòng)化、高溫超導(dǎo)電力技術(shù)、高電壓絕緣與監(jiān)測(cè)。Email:zysdl10193@sina.com

    高云龍(1984—),男,碩士研究生,研究方向?yàn)楹植际诫娫磁潆娋W(wǎng)的繼電保護(hù)。Email:gaoyunlong198484@126.com

    猜你喜歡
    選線零序權(quán)值
    一種融合時(shí)間權(quán)值和用戶行為序列的電影推薦模型
    CONTENTS
    基于壓縮感知的電力系統(tǒng)故障選線研究
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    6kV供電系統(tǒng)零序保護(hù)誤動(dòng)作處理
    大電流接地系統(tǒng)接地故障時(shí)零序電壓分析
    小波變換在電力線路故障選線中的應(yīng)用
    基于強(qiáng)跟蹤濾波器的小電流接地系統(tǒng)故障選線
    近似熵在諧振接地系統(tǒng)故障選線中的應(yīng)用
    變電站中性點(diǎn)不接地系統(tǒng)零序PT的應(yīng)用探討
    河南科技(2014年18期)2014-02-27 14:14:58
    99视频精品全部免费 在线| 国产精品一区二区三区四区久久| 在线观看一区二区三区| 久久精品国产亚洲av涩爱 | .国产精品久久| 夜夜看夜夜爽夜夜摸| 亚洲自拍偷在线| 免费av毛片视频| 97在线视频观看| 久久综合国产亚洲精品| 日本欧美国产在线视频| 日本在线视频免费播放| 成人永久免费在线观看视频| 日韩欧美 国产精品| 日韩精品有码人妻一区| 国产国拍精品亚洲av在线观看| 99九九线精品视频在线观看视频| 亚洲欧美日韩卡通动漫| 男女之事视频高清在线观看| 国产精品精品国产色婷婷| 久久久精品欧美日韩精品| 最近视频中文字幕2019在线8| 在线观看美女被高潮喷水网站| 一本久久中文字幕| 国内精品久久久久精免费| 黄色日韩在线| 99热只有精品国产| 一本一本综合久久| 天堂网av新在线| 全区人妻精品视频| 我的女老师完整版在线观看| 久久久久九九精品影院| 99热这里只有是精品50| 永久网站在线| 精品午夜福利在线看| 成人无遮挡网站| 亚洲人成网站在线播| 日本熟妇午夜| 欧美日韩精品成人综合77777| 搡老妇女老女人老熟妇| 蜜桃久久精品国产亚洲av| 黄色配什么色好看| 97人妻精品一区二区三区麻豆| 国产精品女同一区二区软件| 99热这里只有是精品在线观看| 欧美高清成人免费视频www| 国产乱人视频| 日韩欧美免费精品| 欧洲精品卡2卡3卡4卡5卡区| 亚洲国产高清在线一区二区三| 亚洲av.av天堂| 亚洲精品影视一区二区三区av| 欧美另类亚洲清纯唯美| 亚洲av五月六月丁香网| 国产伦精品一区二区三区视频9| 69av精品久久久久久| 欧美成人精品欧美一级黄| 国产精品99久久久久久久久| 国内揄拍国产精品人妻在线| 亚洲精品影视一区二区三区av| 直男gayav资源| 网址你懂的国产日韩在线| 成人国产麻豆网| 夜夜爽天天搞| 天堂影院成人在线观看| 亚洲成人久久性| 国产av不卡久久| 国产淫片久久久久久久久| 欧美成人免费av一区二区三区| 干丝袜人妻中文字幕| 有码 亚洲区| 欧美性猛交╳xxx乱大交人| 亚洲aⅴ乱码一区二区在线播放| 亚洲成人久久爱视频| 亚洲成a人片在线一区二区| 欧美高清性xxxxhd video| 最近最新中文字幕大全电影3| 99久久精品一区二区三区| 免费看光身美女| 欧美日韩一区二区视频在线观看视频在线 | 亚洲欧美日韩无卡精品| 精品午夜福利在线看| 最近手机中文字幕大全| 真实男女啪啪啪动态图| 97碰自拍视频| 欧美一区二区亚洲| 特大巨黑吊av在线直播| 在线a可以看的网站| 久久中文看片网| 国产精华一区二区三区| 在线国产一区二区在线| 成人三级黄色视频| 午夜免费激情av| 人妻丰满熟妇av一区二区三区| 欧美一区二区精品小视频在线| 精品久久国产蜜桃| 秋霞在线观看毛片| 看十八女毛片水多多多| 哪里可以看免费的av片| 热99re8久久精品国产| 日日摸夜夜添夜夜添av毛片| 热99在线观看视频| 男人和女人高潮做爰伦理| 免费观看精品视频网站| 国产午夜精品久久久久久一区二区三区 | 国产精品一区www在线观看| 午夜视频国产福利| 国产不卡一卡二| 国产精品久久视频播放| 成人综合一区亚洲| 欧美日韩在线观看h| 日日干狠狠操夜夜爽| 亚洲欧美精品综合久久99| 白带黄色成豆腐渣| 少妇的逼好多水| 久久精品夜色国产| 白带黄色成豆腐渣| 成年女人永久免费观看视频| 韩国av在线不卡| 欧美绝顶高潮抽搐喷水| 男女下面进入的视频免费午夜| 欧美xxxx黑人xx丫x性爽| 老女人水多毛片| 国内精品美女久久久久久| 成人特级av手机在线观看| 最新在线观看一区二区三区| 日本成人三级电影网站| 久久精品综合一区二区三区| 蜜桃久久精品国产亚洲av| 欧美日韩一区二区视频在线观看视频在线 | 九九久久精品国产亚洲av麻豆| 插阴视频在线观看视频| 亚洲精华国产精华液的使用体验 | av在线播放精品| 色尼玛亚洲综合影院| 精品熟女少妇av免费看| 亚洲国产欧美人成| 中文字幕免费在线视频6| 女同久久另类99精品国产91| 长腿黑丝高跟| 日本撒尿小便嘘嘘汇集6| 看免费成人av毛片| 久久人人爽人人爽人人片va| 一级av片app| 日本成人三级电影网站| 听说在线观看完整版免费高清| 成年女人毛片免费观看观看9| 亚洲av二区三区四区| 五月玫瑰六月丁香| 久久久久性生活片| 欧美区成人在线视频| 亚洲精品粉嫩美女一区| 欧美国产日韩亚洲一区| 男女啪啪激烈高潮av片| 午夜福利在线观看吧| 99热精品在线国产| 日韩中字成人| 一本久久中文字幕| 国产精品99久久久久久久久| 十八禁网站免费在线| 免费在线观看成人毛片| 99视频精品全部免费 在线| 久久精品综合一区二区三区| 亚洲图色成人| 人人妻,人人澡人人爽秒播| 欧美zozozo另类| 国内久久婷婷六月综合欲色啪| 亚洲成人久久性| 综合色丁香网| 亚洲欧美日韩高清在线视频| 午夜影院日韩av| 亚洲精品影视一区二区三区av| 亚洲三级黄色毛片| 久久这里只有精品中国| 非洲黑人性xxxx精品又粗又长| 婷婷亚洲欧美| 国产高清视频在线观看网站| 欧美丝袜亚洲另类| 夜夜看夜夜爽夜夜摸| 嫩草影院精品99| 欧美高清性xxxxhd video| 亚洲成人久久性| 亚洲七黄色美女视频| 色尼玛亚洲综合影院| 日本免费一区二区三区高清不卡| 女人十人毛片免费观看3o分钟| 国产色爽女视频免费观看| 久久欧美精品欧美久久欧美| 午夜福利视频1000在线观看| 久久鲁丝午夜福利片| 精品午夜福利在线看| 啦啦啦啦在线视频资源| 12—13女人毛片做爰片一| 69人妻影院| 欧美一级a爱片免费观看看| 欧美日本亚洲视频在线播放| 好男人在线观看高清免费视频| 少妇的逼水好多| 少妇丰满av| 国产片特级美女逼逼视频| 搞女人的毛片| 有码 亚洲区| 中文字幕免费在线视频6| 99久久久亚洲精品蜜臀av| 观看美女的网站| 男女那种视频在线观看| 精品久久久久久久久亚洲| 国产亚洲精品久久久com| 特级一级黄色大片| 色综合站精品国产| 老司机午夜福利在线观看视频| 网址你懂的国产日韩在线| 国国产精品蜜臀av免费| 级片在线观看| 搡老岳熟女国产| 日韩亚洲欧美综合| 国语自产精品视频在线第100页| 有码 亚洲区| 高清毛片免费看| 精品人妻偷拍中文字幕| 久久久久九九精品影院| 色综合色国产| 国产精品精品国产色婷婷| 观看免费一级毛片| 草草在线视频免费看| 日韩 亚洲 欧美在线| 精品福利观看| 校园人妻丝袜中文字幕| 天堂av国产一区二区熟女人妻| 国产不卡一卡二| 日韩 亚洲 欧美在线| 波野结衣二区三区在线| 我要看日韩黄色一级片| 亚洲欧美日韩高清在线视频| 亚洲av.av天堂| 日本黄色片子视频| 久久热精品热| 一边摸一边抽搐一进一小说| 亚洲欧美日韩东京热| 有码 亚洲区| 国产精品永久免费网站| 精华霜和精华液先用哪个| 成人av在线播放网站| 一个人看的www免费观看视频| 久久精品综合一区二区三区| 国内精品久久久久精免费| 少妇丰满av| 非洲黑人性xxxx精品又粗又长| 精品不卡国产一区二区三区| 卡戴珊不雅视频在线播放| 天堂av国产一区二区熟女人妻| 精品一区二区免费观看| 午夜精品国产一区二区电影 | 3wmmmm亚洲av在线观看| 麻豆av噜噜一区二区三区| 亚洲第一区二区三区不卡| 岛国在线免费视频观看| 国产午夜精品论理片| АⅤ资源中文在线天堂| 丝袜喷水一区| 国产伦精品一区二区三区视频9| 国产精品一二三区在线看| 亚洲中文字幕一区二区三区有码在线看| 一夜夜www| 国产精品电影一区二区三区| 亚洲精品色激情综合| 亚洲av不卡在线观看| 国产高潮美女av| 天天躁日日操中文字幕| 国产成人freesex在线 | 亚洲成人av在线免费| 欧美性感艳星| 赤兔流量卡办理| 国产精品免费一区二区三区在线| 精品99又大又爽又粗少妇毛片| 神马国产精品三级电影在线观看| 国产淫片久久久久久久久| 在线a可以看的网站| 日本免费a在线| 国产欧美日韩精品一区二区| 国产精品人妻久久久影院| 国产91av在线免费观看| 美女大奶头视频| 美女 人体艺术 gogo| 中文亚洲av片在线观看爽| 岛国在线免费视频观看| 日本熟妇午夜| 舔av片在线| 成人综合一区亚洲| 日韩欧美三级三区| 国产在视频线在精品| 精品久久久久久久久亚洲| 久久精品国产亚洲网站| 大型黄色视频在线免费观看| 在线免费十八禁| 在线a可以看的网站| 两个人视频免费观看高清| 成人一区二区视频在线观看| 国产精品一区二区三区四区久久| 99久久成人亚洲精品观看| 亚洲精品成人久久久久久| 午夜激情欧美在线| 男人舔奶头视频| 在现免费观看毛片| 夜夜看夜夜爽夜夜摸| 国产成人a∨麻豆精品| 搞女人的毛片| 亚洲av第一区精品v没综合| 亚洲精华国产精华液的使用体验 | 一进一出抽搐动态| 国产爱豆传媒在线观看| 日韩 亚洲 欧美在线| av在线蜜桃| 亚洲欧美清纯卡通| 插逼视频在线观看| 欧美成人一区二区免费高清观看| 网址你懂的国产日韩在线| 亚洲七黄色美女视频| av在线亚洲专区| 91久久精品国产一区二区三区| 欧美一级a爱片免费观看看| 国产私拍福利视频在线观看| 国产av一区在线观看免费| 男人舔女人下体高潮全视频| 午夜精品国产一区二区电影 | 国产精品人妻久久久影院| 天堂影院成人在线观看| 美女黄网站色视频| 国产 一区 欧美 日韩| 久久亚洲精品不卡| 久久草成人影院| 亚洲精品在线观看二区| 熟女人妻精品中文字幕| 日韩一本色道免费dvd| 好男人在线观看高清免费视频| 插逼视频在线观看| 国产亚洲精品久久久com| 国产亚洲精品久久久久久毛片| 亚洲五月天丁香| 黄色一级大片看看| 毛片一级片免费看久久久久| 一级黄色大片毛片| 亚洲五月天丁香| 国产白丝娇喘喷水9色精品| 成人午夜高清在线视频| 国产毛片a区久久久久| 在线观看美女被高潮喷水网站| 日韩在线高清观看一区二区三区| 美女xxoo啪啪120秒动态图| 小蜜桃在线观看免费完整版高清| 激情 狠狠 欧美| 国产激情偷乱视频一区二区| 97在线视频观看| 免费一级毛片在线播放高清视频| 亚洲熟妇中文字幕五十中出| 国产av麻豆久久久久久久| 国产成人福利小说| 国产在线男女| 久久精品综合一区二区三区| 国产精品不卡视频一区二区| 一个人免费在线观看电影| 日韩成人伦理影院| 俄罗斯特黄特色一大片| 国产成人freesex在线 | 国内精品美女久久久久久| 99久国产av精品国产电影| 免费观看在线日韩| 简卡轻食公司| 久久久午夜欧美精品| 精品无人区乱码1区二区| 国产精品久久久久久亚洲av鲁大| 99热全是精品| 国产一区二区三区av在线 | 日本熟妇午夜| av卡一久久| 欧美最新免费一区二区三区| 一级毛片我不卡| 九九在线视频观看精品| 亚洲欧美日韩高清专用| 久久热精品热| 久久99热6这里只有精品| 午夜影院日韩av| 免费看av在线观看网站| 少妇被粗大猛烈的视频| 国产av一区在线观看免费| 日日撸夜夜添| 亚洲三级黄色毛片| 亚洲av.av天堂| 国产aⅴ精品一区二区三区波| 国产精品久久久久久精品电影| 别揉我奶头 嗯啊视频| 日韩欧美一区二区三区在线观看| 午夜久久久久精精品| 精品乱码久久久久久99久播| 联通29元200g的流量卡| 亚洲精品国产成人久久av| 亚洲精华国产精华液的使用体验 | 亚洲精品456在线播放app| 18禁黄网站禁片免费观看直播| 欧美成人精品欧美一级黄| 国产不卡一卡二| 别揉我奶头 嗯啊视频| 99热网站在线观看| 蜜桃久久精品国产亚洲av| 日韩欧美一区二区三区在线观看| 久久久久久久亚洲中文字幕| 国产一区二区在线av高清观看| 天堂av国产一区二区熟女人妻| 综合色av麻豆| 久久精品国产亚洲av涩爱 | 色尼玛亚洲综合影院| 久久久久久久久大av| 亚洲av成人精品一区久久| 免费高清视频大片| 赤兔流量卡办理| or卡值多少钱| 黄色配什么色好看| 俺也久久电影网| 亚洲一区二区三区色噜噜| 简卡轻食公司| 欧美日韩在线观看h| 午夜福利成人在线免费观看| 国产成人91sexporn| 亚洲人成网站高清观看| 91久久精品国产一区二区三区| 国产伦在线观看视频一区| а√天堂www在线а√下载| 不卡视频在线观看欧美| 亚洲高清免费不卡视频| 1000部很黄的大片| 桃色一区二区三区在线观看| 最新中文字幕久久久久| 久久久久久久亚洲中文字幕| 亚洲精品国产成人久久av| 久久久久久久久久成人| 亚洲婷婷狠狠爱综合网| 身体一侧抽搐| 在线看三级毛片| 深夜a级毛片| 亚洲不卡免费看| 黑人高潮一二区| 国产综合懂色| 国产高清激情床上av| 精品欧美国产一区二区三| 日本黄色片子视频| 搞女人的毛片| 国产私拍福利视频在线观看| 精品久久久久久久久久久久久| 寂寞人妻少妇视频99o| 给我免费播放毛片高清在线观看| 一个人看的www免费观看视频| 欧美日韩乱码在线| 免费观看精品视频网站| 99久久中文字幕三级久久日本| 国产69精品久久久久777片| 日本免费一区二区三区高清不卡| 99久久精品国产国产毛片| 成人亚洲欧美一区二区av| 我要看日韩黄色一级片| 成年av动漫网址| 国产 一区 欧美 日韩| 亚洲精品一区av在线观看| 不卡视频在线观看欧美| 久久99热这里只有精品18| 干丝袜人妻中文字幕| 神马国产精品三级电影在线观看| 能在线免费观看的黄片| 久久精品91蜜桃| 免费观看的影片在线观看| 高清午夜精品一区二区三区 | 久久人人爽人人爽人人片va| 国产精品一区二区免费欧美| 色吧在线观看| 又爽又黄a免费视频| 久久精品久久久久久噜噜老黄 | 国产国拍精品亚洲av在线观看| 尤物成人国产欧美一区二区三区| 国产精品av视频在线免费观看| 内地一区二区视频在线| 久久精品夜夜夜夜夜久久蜜豆| 成人二区视频| 日韩欧美精品v在线| 国产视频内射| 亚洲真实伦在线观看| 国产中年淑女户外野战色| 日韩人妻高清精品专区| 男人的好看免费观看在线视频| 亚洲av二区三区四区| 欧美激情在线99| 中国美白少妇内射xxxbb| 日韩强制内射视频| 午夜视频国产福利| 国产成人福利小说| 联通29元200g的流量卡| 变态另类丝袜制服| 波多野结衣巨乳人妻| 欧美日韩综合久久久久久| 久久久久久久久大av| 直男gayav资源| 成人国产麻豆网| 亚洲精品456在线播放app| 国产一区二区三区av在线 | 欧美丝袜亚洲另类| 国产三级中文精品| 国产精品一区www在线观看| 1000部很黄的大片| 国产片特级美女逼逼视频| 身体一侧抽搐| 成人性生交大片免费视频hd| 国产成人精品久久久久久| 99久久精品国产国产毛片| 免费观看在线日韩| 亚洲最大成人手机在线| 全区人妻精品视频| 国产精华一区二区三区| 午夜福利高清视频| 女的被弄到高潮叫床怎么办| 亚州av有码| 可以在线观看毛片的网站| 一个人免费在线观看电影| 久久精品91蜜桃| 国产69精品久久久久777片| 国产精品,欧美在线| 中文字幕av在线有码专区| 男女视频在线观看网站免费| 精品人妻偷拍中文字幕| 高清毛片免费看| 色综合站精品国产| 亚洲专区国产一区二区| 最近的中文字幕免费完整| 草草在线视频免费看| 免费一级毛片在线播放高清视频| 亚洲国产精品成人综合色| 人妻夜夜爽99麻豆av| 特大巨黑吊av在线直播| 国产成人福利小说| h日本视频在线播放| 日韩 亚洲 欧美在线| 国产高清激情床上av| 波多野结衣巨乳人妻| 亚洲高清免费不卡视频| 波多野结衣高清无吗| 尤物成人国产欧美一区二区三区| 中国国产av一级| 中文亚洲av片在线观看爽| 美女高潮的动态| 深夜精品福利| 国产精品乱码一区二三区的特点| 好男人在线观看高清免费视频| 亚洲精品成人久久久久久| 99热精品在线国产| 男女视频在线观看网站免费| 波多野结衣高清无吗| 乱码一卡2卡4卡精品| 深爱激情五月婷婷| 久久精品91蜜桃| 91精品国产九色| 床上黄色一级片| 网址你懂的国产日韩在线| 最近的中文字幕免费完整| 丰满的人妻完整版| 91狼人影院| 毛片女人毛片| 97人妻精品一区二区三区麻豆| 精品久久久噜噜| 91在线精品国自产拍蜜月| 成人毛片a级毛片在线播放| 亚洲人成网站在线播| 91久久精品国产一区二区三区| 欧美日韩综合久久久久久| 国产69精品久久久久777片| 波多野结衣高清作品| 成人高潮视频无遮挡免费网站| 人妻少妇偷人精品九色| 精品一区二区免费观看| 国产精品亚洲美女久久久| 1024手机看黄色片| 少妇丰满av| 国产精品人妻久久久久久| 午夜福利视频1000在线观看| 亚洲精品成人久久久久久| 亚洲av中文字字幕乱码综合| 日韩高清综合在线| 一级a爱片免费观看的视频| 啦啦啦韩国在线观看视频| 六月丁香七月| 午夜影院日韩av| 精品国内亚洲2022精品成人| 天天躁日日操中文字幕| 亚洲精品一区av在线观看| 欧美一级a爱片免费观看看| 免费人成视频x8x8入口观看| 日韩一本色道免费dvd| 老师上课跳d突然被开到最大视频| 天美传媒精品一区二区| 午夜福利高清视频| 乱码一卡2卡4卡精品| 日日干狠狠操夜夜爽| 嫩草影视91久久| 国产 一区 欧美 日韩| 两个人视频免费观看高清| 国产三级中文精品| 亚洲人成网站高清观看| 91久久精品国产一区二区成人| 久久久午夜欧美精品| 久久久精品大字幕| av卡一久久| 亚洲自拍偷在线| 免费一级毛片在线播放高清视频| 亚洲va在线va天堂va国产| 18禁黄网站禁片免费观看直播| 亚洲人成网站在线观看播放| 亚洲欧美清纯卡通| 搡老岳熟女国产| 人人妻人人看人人澡|