基于Hopfield神经网络的煤矿变压器励磁涌流识别  

Transformer Excitation Inrush Current Recognition in Coal Mine Based on Hopfield Neural Network

作　　者：皇淼淼[1] 李陈陈[1] 许威[1] 沈旦立[1] 

机构地区：[1]安徽理工大学电气与信息工程学院,安徽淮南232001

出　　处：《煤矿机械》2012年第10期48-50,共3页Coal Mine Machinery

摘　　要：为更好地解决煤矿变压器励磁涌流使差动保护错误动作的问题,从变压器励磁涌流和内部故障时的电流信号着手,应用快速傅立叶变换算法得到各次谐波电流含量,构成特征向量作为Hopfield神经网络的输入样本,从而对变压器励磁涌流进行识别。Hopfield神经网络可以对其进行正确地区分,有效地保证变压器差动保护的正确动作。In order to solve problem that differential transformer inrush current protection in some coals make fault movement,the paper from transformer inrush and internal fault current signal to proceed,which applicate fast Fourier transform algorithm of harmonic current content,constitutes a feature vector as the Hopfield neural network input samples to identify transformer inrush current.Hopfield neural network can be properly distinguished,effectively ensure correct operation of transformer differential protection.

关 键 词：励磁涌流 FFT HOPFIELD神经网络 

分 类 号：TD611[矿业工程—矿山机电] TP391[自动化与计算机技术—计算机应用技术]