基于自适应VMD和优化DFNN的剩余电流识别

作     者：张祥珂 王雅静 窦震海 白云鹏 王玮 ZHANG Xiangke;WANG Yajing;DOU Zhenhai;BAI Yunpeng;WANG Wei

作者机构：山东理工大学电气与电子工程学院山东淄博255000 

出 版 物：《电测与仪表》 (Electrical Measurement & Instrumentation)

年 卷 期：2025年第62卷第3期

页      面：190-197页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(52077221) 山东省自然科学基金项目(ZR2020MF124) 

主　　题：剩余电流 动态模糊神经网络 变分模态分解 故障识别 

摘      要：为实现剩余电流装置(residual current device,RCD)快速故障识别,提高用电安全性,提出一种基于自适应变分模态分解(adaptive variational modal decomposition,AVMD)和优化动态模糊神经网络(dynamic fuzzy neu-ral network,DFNN)的故障剩余电流识别方法(AVMD-DFNN)。通过经验模态分解法自适应确定VMD的分解参数,实现剩余电流信号的降噪。提取剩余电流信号的特征参数,经降维处理后作为DFNN识别剩余电流的分类指标。通过最小输出法优化DFNN,去除冗余模糊规则函数,从而实现RCD快速故障识别。仿真结果表明,AVMD-DFNN具有较高的识别准确率和速度,为研制新型自适应剩余电流装置提供了理论参考。