تستخدم على نطاق واسع في شبكة الاسعار المنخفضة الجهد المتبقي وسائل الحماية الحالية لمنع الحرائق والصدمات الكهربائية لمنع الإصابة أو الوفاة. مبدأ حماية الجهاز الحالي المتبقية من العملية هو وضع في المقام الأول عملية إعداد القيمة، سواء الحالية بدءا من الهيئة الحالية صدمة، أو لا تتصل مباشرة إلى الجهاز. لذلك، سوف يحدث جهاز حماية القمامة إلى التحرك، وعطل، ولكن أيضا تسبب بشكل غير مباشر على معدل منخفض من وضع المعدات في العملية وغيرها من القضايا. كيفية تحديد الأنواع الذكية الحالية المتبقية الحالية هو مشكلة يجب حلها ذكي المتبقي جهاز الحماية الحالية.
طريقة المحلي الحالي والمتبقي الكشف الحالي للكشف تشمل الشبكات العصبية، LSSVM فحوصات الكشف على أساس خوارزمية التكيف. وثيقة - المويجات علبة تحويل، الكون الطاقة والتكنولوجيا الوراثية الكم والشبكات العصبية الاصطناعية، لإقامة يوفر نموذج التصنيف ذات الصلة الدعم النظري لتحديد نوع نشط. وثيقة المربعات SVM يمكن التعرف بدقة أكبر صدمة كائن التسرب الحالي من مجموع الحالي. وثيقة على أساس مبدأ تصفية على التكيف، ونموذج الكشف الحالي صدمة التكيف، والضوضاء متانة، وتشغيل حماية يمكن القضاء عليها بشكل فعال في منطقة ميتة. لكن الأدب - طريقة وهي تستخدم أساسا لتحديد خطأ نظام الطاقة، وثيقة - طريقة وهي تستخدم أساسا لتحديد الصدمة الحالية. المتبقي مختلفة نظام الحماية الحالية من انقطاع التيار الكهربائي، كما تتأثر تسرب الحالي بسبب التغيرات في مختلف التغيير الحمل.
فوق الأعمال ذات الصلة تشير إلى أن تصنيف للتيار المتبقي هو ممكن. هذه المادة على أساس العمل القائم، والخصائص الحالية المتبقية ذات الصلة مثل البناء واستخراج، ومن ثم إلى التنبؤ نوع الحالي المتبقية.
1 يكتسب المتبقية بيانات الاختبار الحالي
بناء تجارب الفيزياء الكائنات صدمة الإنترنت هو مبين في الشكل. أساسا عن طريق اختبار منصة تجريبية السلطة، ومقاومة تسرب حمولة من المستخدم، ومقاومة توزيع الخط إلى الأرض، غصن الصدمات الكهربائية، والجهد الحالي خطأ محول تكوين مسجل. العلاقة اتصال هو استخدام تحميل منصة تجريبية سلسلة التجريبية إمدادات الطاقة، والجهد ومحولات التيار تركيبها في منفذ السلطة التجريبية الحالية، والجهد ومحولات التيار اتصال مسجل خطأ ويقرأ البيانات من الجهد والصدمة الحالية، صدمة فرع الخط توزيع مقاومة، والتسرب من المستخدم في وسط مقاومة تنتهي وتحميل التيار الكهربائي والمحولات الحالية الظهر، والطرف الآخر على أرض الواقع. حيث، كما التجريبية من ثلاث مراحل إمدادات الطاقة، ومباشرة للتحميل من خلال تنظيم السلطة؛ اختبار الحمل مصباح مربع باستخدام الحمل، ومقاومة موازية الكبيرة والسعة لمقاومة العزل الأرضي من الخط؛ الساق هو مقاومة الصدمات واستخدام كبير سلسلة من الكائنات الحية لتحقيقه.
بواسطة هذه الصدمة منصة تجريبية، صدمة محطة الحصول عليها، صدمة الحيوان والصدمات وغيرها من أنواع الاتصال غير المباشر للبيانات الحالية المتبقية. وهناك فئة نموذجية من صدمة تصور البيانات كما هو مبين في الشكل.
صدمة من البيانات، ويمكن رؤية الموجي وجود صفة دورية معينة من نموذجية البيانات المجال الزمني للصدمة، من أجل تصنيف ومعالجة البيانات، واستخراج الملح ميزة البيانات. لذلك، استنادا إلى بيانات التكوين تصنيف صدمة التجريبية صعقا بالكهرباء سبع خصائص بيانات مختلفة.
استخراج المعلمة مميزة 2
كما تحليل، يمكن حساب التيار وفقا لمبدأ الإحصاءات إشارة الحالية إشارات إلى نفسه، الانحراف المعياري الحالي المتبقية، والجذر التربيعي لسعة، RMS قيمة، الذروة، الإلتواء، التفرطح نموذجية 7 يتم احتساب مبلغ ميزة الزمني، سيتم استخدام هذه الميزات لتنفيذ عمليات بالنيابة عن البيانات الأصلية تصنيف المرتبطة بها.
(1) يعني
من أجل تمثيل المستوى العام للطاقة الأمواج إشارة، إشارة العاشر (ر) من الحادي عشر التعبير منفصلة (ط = 1،2، ...، N) يمكن التعبير عن المتوسط:
يعني الانتماء المعلمة المميزة أبعاد. يعني يمثل المتوسط الحسابي لاتساع إشارة، ثم في المقابل، فإن متوسط قيمة السعة إشارة المطلقة يمثل المتوسط الحسابي للقيمة المطلقة، ويمكن التعبير عن متوسط قيمة مطلقة على النحو التالي:
(2) الانحراف المعياري
من أجل وصف تقلبات شدة ينحرف إشارة من x النزعة المركزية، وتستخدم عنصر التذبذب لتمثيل الفرق، قيمة الانحراف المعياري، مقارنة مع الجذر التربيعي الموجب للإشارة التباين، وينتمي المعلمة المميزة أبعاد. للإشارة محدود ثابتة س (ط)، والذي يحسب الانحراف المعياري متحيز هو:
(3) حجم الجذر التربيعي
إشارة حجم التقلبات كثافة وصفها، تابعة المعلمة المميزة أبعاد. وهو ما عبر عنه على النحو التالي:
(4) التربيعي
التربيعي إشارة لتعكس حجم شدة الاهتزاز إشارات قد تعكس حجم الطاقة للإشارة. قيمة التربيعي هو متوسط بالنسبة لآخر، فمن المعلمة المميزة أبعاد، وصيغة التعبير عنها (5):
وفي الوقت نفسه، يمكن تحديد القيمة التربيعي للإشارة بواسطة التباين ويعني:
(5) الذروة
ذروة هو الحد الأقصى المسموح به لحظية للإشارة، لتعكس حجم قوة الإشارة، والانتماء المعلمات مميزة أبعاد، معبرا عنها:
(6) الإلتواء
الالتواء هو مقياس التماثل للإشارة فيما يتعلق قيمته يعني، هو الذي يعرف بأنه:
يمكن أن تكون قيمة انحراف إيجابي أو سلبي، لا يمكن حتى أن يعرف. عندما توزيع الأيسر، وانحراف سلبي، وعندما توزيع الحق، الإلتواء هو إيجابي، عندما توزع متناظر حول هذه الاثناء، والالتواء هو صفر.
(7) التفرطح
تأثير ملموس التفرطح عنصر دقيقة للإشارة قد تصف مدى أنماط توزيع حاد بطيئة، الذي يعرف بأنه:
التفرطح من التوزيع الطبيعي لل3، إذا كان ذروة أكبر من 3 يشير المفرط التفرطح التفرطح أقل من 3 يشير إلى أن التفرطح غير كافية.
3 المتبقية تحديد نوع الحالي القائم على خوارزمية AdaBoost
3.1 المبادئ الأساسية AdaBoost
AdaBoost هو اختصار ل "التكيف تعزيز جهود" (التكيف تعزيز جهود) هو خوارزمية تكرارية ، إضافة إلى المصنفات ضعف جديدة في كل جولة، وحتى نسبة الخطأ مسبقا صغيرة بما فيه الكفاية أو عدد التكرارات . يتم تعيين كل عينة التدريب الوزن، مشيرا إلى أن احتمال أن يكون المحددة في مجموعة التدريب على المصنف. إذا كانت نقطة عينة تم تصنيفها بشكل صحيح، ثم قيد الإنشاء في مجموعة التدريب، ويخفض من احتمال أن يكون اختيار، والعكس، إذا نقطة عينة لم يتم تصنيفها بدقة، لذلك سوف تتحسن وزنه. وبهذه الطريقة، يمكن طريقة AdaBoost "ستركز على" نقاط صعبة على تلك العينات (أكثر ثراء من المعلومات). AdaBoost التكيف يعكس المصنف الضعيف هو وزن يزيد سوء تصنيف عينة في التكرار التالي من السابق، في حين أن وزن العينة تنخفض قيمة السرية بشكل صحيح، ومرة أخرى للقطار القادم المصنف ضعيف . من خلال تحليل التصنيف الحالي المتبقي هنا قد يتم تعيينها إلى نموذج AdaBoost. من خلال إنشاء عدد وافر من المزايا لتوصيف ملامح المتبقية الحالية، ثم يتم حل المتبقية الحالية باستخدام نموذج AdaBoost.
3.2 AdaBoost خوارزمية تصنيف للتيار المتبقية
نظرا مجموعة التدريب البيانات: (X1، Y1)، (X2، Y2)، ...، (XN، YN)، حيث التسمية xiX، yiY ليدل على عينات التدريب، ط = 1،2، ...، N. حيث الجزء الثاني من الميزات ذات الصلة تمثل هذه الوثيقة الحادي عشر، يي تمثيل التصنيف المناسب. الحد الأقصى لعدد مرات التكرار هو T. خطوات الخوارزمية محددة هو مبين في تجسيد التالية.
الحق بيانات (1) تدريب تهيئة توزيع القيمة. هو بداية أعطيت كل عينة تدريب نفس الأوزان واي = 1 / N، وتدريب عينة الأولي توزيع مجموعة الوزن D1 (ط) هو:
(2) من ر = 1،2، ...، T التكرار:
اختيار أدنى معدل الخطأ من ضعف ر المصنف ح الحالي كما المصنف الأساسي حزب التحرير، ويحسب ضعف المصنف حزب التحرير: X {-1، + 1}، الخطأ في توزيع المصنفات ضعيفة تثنية هو:
بعد الحصول على H ذات الصلة، إلى بيانات التدريب ونموذج التحقق من صحة ذات الصلة.
3.3 تحليل تجريبي
هناك ثلاثة أنواع من البيانات التجريبية: مجموعة الحيوان صدمة البيانات 85، صدمة كهربائية من مجموعات البيانات مصنع 75، 120 الحيوانات اتصالات غير مباشرة مجموعة البيانات. كل مجموعة من البيانات 3000 نقطة أخذ العينات، عينات مرة واحدة كل 100 ميكرو ثانية. بعد الحصول على عينات اختبار سبعة المعلمات مميزة.
عندما تكون نتيجة مجموعة التدريب من 75 من مجموعة البيانات، المعلمات الخوارزمية SAMME، دقة الاختبار إعداد، كان 0،914، دقة الخوارزمية، ومعدل استدعاء كما هو مبين في الجدول رقم 1.
من يبين الجدول أعلاه صدمة كهربائية عند ثلاثة أنواع من البيانات المختلطة، والخوارزميات، ونتائج تصنيف البيانات من الصعق بالكهرباء الحيوان أفضل، ونتيجة لتصنيف أسوأ من البيانات محطة صدمة كهربائية.
3.4 أسلوب المقارنة
الخوارزميات المستخدمة شيوعا هي تصنيف SVM، أشجار القرار والغابات العشوائية، المصنف النظرية الافتراضية والشبكات العصبية، وتجربة المقارنة، وهذه المرة باستخدام SVM، والأشجار القرار، اختبار الغابات عشوائي. ثلاثة الخوارزميات المستخدمة لإعطاء دقة اختبار المقابلة على نفس مجموعة البيانات، تذكر، وما إلى ذلك أظهرت النتائج في الجدول 2.
يبين الجدول 2 أن، على غرار خوارزمية AdaBoost، SVM، أشجار القرار والغابات العشوائية دقة تصنيف البيانات الخوارزميات صدمة الحيوانات الثلاثة هم عالية، منخفضة نسبيا صدمة دقة التصنيف على البيانات النبات. تحت تأثير مجموعة البيانات الحالي، وهو أعلى معدل دقة AdaBoost.
المقارنة أربع خوارزميات دقة التصنيف كما هو مبين في الشكل. يتضح من FIG 3، وأربع خوارزميات دقة تصنيف البيانات الحيوانات صدمة عالية الدقة واختلاف بسيط؛ صدمة البيانات دقة التصنيف في النباتات منخفضة نسبيا وتختلف اختلافا كبيرا. AdaBoost دقة أي من تصنيف البيانات الثلاثة في أكثر من 80، وكانت دقة محطة SVM كهربائي صدمة أدنى تصنيف 50، ودقة مماثلة لالتخمين العشوائي. في أربع خوارزميات، AdaBoost معدل دقة تصنيف ثلاثة أنواع من البيانات مرتفعة، ثم الغابة عشوائية، شجرة.
4 خاتمة
عن طريق تحديد عدد وافر من الميزات في المتبقية الحالية باعتبارها ميزة التدريب شيدت على أساس تصنيف AdaBoost المتبقية الحالية، ومقارنة الغابات العشوائية، وتصنيف SVM خوارزمية السائدة. التجارب تشير إلى أن نتائج تصنيف AdaBoost للبيانات الثلاثة أفضل، وصدمة يمكن تعديلها لتصنيف الفعلي للبيانات، وهناك بعض القيمة المرجعية للتطبيق العملي في المستقبل. تعديل المعلمة سوف AdaBoost وغيرها من البحوث في المستقبل، والسعي لتحقيق نتائج أفضل.
مراجع
سان لين، مداولات Zangtian لى، وآخرون معيب تصنيف تقريبي يستند إلى الشبكات العصبية الجمعية الصينية للهندسة الكهربائية، 2010،30 (28): 72-80.
هيو كله، Zhuangde هوى، وتشانغ تشيانغ، ونموذج جديد شبكة خطأ التشخيص على أساس شبكة العصبية RBF الخام . حماية السلطة نظام والسيطرة، 2009،37 (18): 20-24.
لتشانغ، WangXingGuo، لي راي تطبيق الشبكات العصبية في نظام التشغيل تشخيص الأعطال المويجات حزمة الكون الطاقة . تقنية نظام الطاقة، 2006،30 (5): 72-76.
لي دونجمين، تشى قانغ، سو يو شيانغ. Multiwavelet خطأ نظام الطاقة و الاصطناعي الشبكة العصبية نوع الحزمة الهوية السلطة معدات أتمتة، 2009،29 (1): 99-104.
Wangjin لي، ليو Yongmei، دو Songhuai، وما إلى ذلك يتميز الوضع طاقة البيولوجي الطبيعي مقرها في المتبقي الحالي بالكهرباء خطأ نموذج التشخيص مجلة الهندسة الزراعية، 2016،32 (29): 202-208.
Hanxiao هوى، دو Songhuai، سو خوان، الخ صدمة طريقة الكشف الحالي على أساس الأمثل المعلمات LSSVM مجلة الهندسة الزراعية، 2014،30 (23): 238-245.
يي شيونغ شياو شياو Xianyong، تشاو هنغ. الكشف الحالي الصدمة الكهربائية على أساس خوارزمية التكيف . حماية السلطة نظام والسيطرة، 2017،45 (4): 139-144.
وانغ تاو، عبادة الجبل دارا العبادة، ليو Guidong وفقا لإحصاءات العليا إشارة وصف ميزة تكنولوجيا الاتصالات، 2011،44 (2): 151-154.
وهايبينج، توقيت مينغ، تشانغ. لي تحليل الإشارات وتجهيز وبناء على ارتفاع بالدفع الاحصائيات الهندسة الميكانيكية والكهربائية، 2003،20 (5): 85-87.
بيان يو تشانغ معالجة الإشارات الرقمية (2 طبعة) شيان: جامعة نورث وسترن برس، 2002.
تشيونغ، Yangjun آن، شيا جيان مينغ. استخراج القائم مكفوفين إشارة الصوت الهدف من انحراف منخفض الحصول على البيانات ومعالجتها، 2011،26 (1): 69-74.
دو Songhuai. نظام الطاقة الأرضية تقنية بكين: الصين للطاقة الكهربائية الصحافة، 2011.
MITOLO M.Shock الخطر في وجود جهاز المتبقية الجاري واقية المعاملات .IEEE للتطبيقات الصناعة، 2010،46 (4): 1552-1557.
تشنغ بينغ، يان هان، فان Zhenqi.Design لكسر الدائرة الحالية المتبقية IC مع تقنية مضادة للتدخل .Analog Integr سيرك سيج عملية، 2010،64: 199-204.
لي كوي، LU جيان الولايات، والكثير يو، وآخرون طريقة الاعتراف وإشارة التسرب الأجهزة الكهربائية ذات الجهد المنخفض، 2008 (23): 1-4.
Caizhi يوان جيا بانغ، دراسة Chenting هوى. تسرب حماية الأسلوب القائم على التيارات والمتبقية مقاومة تسرب . حماية السلطة نظام والسيطرة، 2011،39 (12): 61-64.
FREUND Y، SCHAPIRE R E.A تعميم نظري القرار التعلم على الخط وتطبيق لتعزيز .CiteSeerX، 1995.
الكاتب المعلومات:
ليو Yongmei 1، دو Songhuai 1، 2 Shengwan شينغ
(كلية الإعلام والهندسة الكهربائية، جامعة الصين الزراعية، بكين 100083، الصين؛ 2. الصين للطاقة الكهربائية معهد بحوث المحدودة، بكين 100192، الصين)
