PSO-ELM算法的井下漏电故障选线方法_中国煤炭行业知识服务平台

PSO-ELM算法的井下漏电故障选线方法

作者

胥良何士刚
单位

黑龙江科技大学电气与控制工程学院
摘要

为了研究井下漏电故障选线多判据融合选线，提出粒子群算法优化极限学习机(ELM)的故障选线方法。利用Mablab/Simulink仿真软件搭建1 140 V的井下供电系统模型，获取零序电流信号的无功、基波和暂态特征，经过故障测度函数计算得到故障测度数据经粒子群算法优化后输入至ELM神经网络模型，通过训练输出选线结果。结果表明，文中漏电选线准确率高达98.33%。该方法判断精度高，速度快，可以满足井下漏电故障选线对可靠性与速动性的要求。
关键词

漏电故障粒子群算法极限学习机故障测度
文章目录

0 引言
1 PSO-ELM故障选线原理
1.1 故障选线结构
1.2 故障测度原理
1.2.1 基于无功分量的故障测度
1.2.2 基于零序基波幅值的故障测度
1.2.3 基于暂态特征分量的故障测度
2 PSO-ELM算法
2.1 ELM算法
2.2 PSO算法
2.3 PSO-ELM网络模型
3 仿真与结果分析
4 结论
引用格式

[1]胥良,何士刚.PSO-ELM算法的井下漏电故障选线方法[J].黑龙江科技大学学报,2025,35(01):140-146.

煤问提