基于IAO-VMD与SO-PNN的输电线路故障诊断方法OA

针对输电线路中短路故障诊断识别率较低的问题,文中提出了一种基于改进天鹰优化算法(improved aquila optimization algorithm)优化VMD与蛇算法(snake optimizer,SO)优化概率神经网络(probabilistic neural network)相结合的输电线路故障诊断方法。首先利用MATLAB/Simulink软件搭建输电线路的仿真模型,分别模拟不同类型的短路故障,并选取三相故障电压信号作为故障源。然后采用singer混沌映射、反向学习、分段式非线性递减权重和柯西变异等策略对天鹰算法进行改进。接着利用改进后的天鹰优化算法对VMD两个影响因子进行参数寻优。最后利用优化后的VMD对三相故障电压信号进行分解,并计算各分量的样本熵值,构建成输电线路的故障特征集,将故障特征集划分成训练集与测试集输入到SO-PNN的识别模型中进行故障诊断。并分别与PNN、DELM等故障诊断模型进行对比。通过仿真实验可知,文中提出的诊断模型可以更加准确地完成诊断,诊断率高达93%以上,具有较好的故障识别能力。