为有效提取触电故障特征,实现从剩余电流中分离出触电电流,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合的触电电流提取方法.利用果蝇优化算法对VMD参数[K...为有效提取触电故障特征,实现从剩余电流中分离出触电电流,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合的触电电流提取方法.利用果蝇优化算法对VMD参数[K,α]寻优获得最优参数组合[6,280],以VMD分解的剩余电流最佳模态分量突变特性为依据,定义相邻周期电流幅值和的增长率η_(1)、η_(2)作为判别触电事故的特征量;以6层模态分量信号重构触电信号,构建基于LSTM网络的触电电流检测模型.240组触电信号研究结果表明:当η_(1)、η_(2)至少一个满足大于1%时,均发生触电,否则无触电事故发生;相比于VMD-BP、VMD-RBF检测模型,VMD-LSTM检测模型提取的触电电流与真实触电电流的相关系数平均值分别提高了6.2%、2.3%,均方根误差平均值分别降低了36.8%、27.1%,提出的方法具有更高的检测精度.研究结果为研发基于生物体触电电流动作的剩余电流保护装置提供了参考.展开更多
文摘为有效提取触电故障特征,实现从剩余电流中分离出触电电流,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合的触电电流提取方法.利用果蝇优化算法对VMD参数[K,α]寻优获得最优参数组合[6,280],以VMD分解的剩余电流最佳模态分量突变特性为依据,定义相邻周期电流幅值和的增长率η_(1)、η_(2)作为判别触电事故的特征量;以6层模态分量信号重构触电信号,构建基于LSTM网络的触电电流检测模型.240组触电信号研究结果表明:当η_(1)、η_(2)至少一个满足大于1%时,均发生触电,否则无触电事故发生;相比于VMD-BP、VMD-RBF检测模型,VMD-LSTM检测模型提取的触电电流与真实触电电流的相关系数平均值分别提高了6.2%、2.3%,均方根误差平均值分别降低了36.8%、27.1%,提出的方法具有更高的检测精度.研究结果为研发基于生物体触电电流动作的剩余电流保护装置提供了参考.
