| 基于 BP-MIV 的地铁磁感应电压影响因素贡献度分析 |
| |
| 引用本文： | 刘江涛,高海洋,卫 茹,陈庭记,杨 莲,延巧娜,孔维君.基于 BP-MIV 的地铁磁感应电压影响因素贡献度分析[J].都市快轨交通,2024,37(3):149-158. |
| |
| 作者姓名： | 刘江涛 高海洋 卫 茹 陈庭记 杨 莲 延巧娜 孔维君 |
| |
| 作者单位： | 国网江苏省电力有限公司南京供电分公司，南京 210019 |
| |
| 基金项目： | 国网江苏省电力有限公司科技项目(J2022089) |
| |
| 摘 要： | 地铁牵引电流在列车运行中动态变化，导致周边电网回路中产生磁感应电压，由此产生的感应电流是致使变压器发生直流偏磁的关键因素之一。磁感应电压的产生受多种因素影响，为定量分析不同影响因素对其贡献度的大小，首先利用磁感应电压公式推导出地铁磁感应电压的主要影响因素，其次建立“地铁线路-输电线”磁耦合边界元模型，仿真分析关键因素对感应电压的影响，在列车平稳运行阶段，感应电压受影响很小，在 1 000 m处，感应电压已衰减了 90%，继而构建了产生磁感应电压的反向(back propagation，BP)神经网络，并采用平均影响值(mean impact value，MIV)解析各个影响因素对磁感应电压的贡献度。结果表明，等效回路中磁感应电压更易被等效回路长度影响，其贡献度为 44.38%，相对距离的贡献度最小，仅为 21.31%。因此，电力系统构成等效回路的面积是影响最终在闭合回路中产生磁感应电压值的最重要因素。
|
| 关 键 词： | 地铁 磁感应电压 BP 神经网络 MIV 算法 电力系统 贡献度 |
Contribution Analysis of Factors Affecting Magnetic Induction Voltagein Subways Using the BP-MIV |
| |
| Institution: | Nanjing Power Supply Branch of State Grid Jiangsu Electric Power Company Limited, Nanjing, Jiangsu 210019 |
| |
| Abstract: | |
| |
| Keywords: | metro magnetic induction voltage BP neural network MIV algorithm power system degree of contribution |
|
| 点击此处可从《都市快轨交通》浏览原始摘要信息 |
| 点击此处可从《都市快轨交通》下载免费的PDF全文 |
