人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于繼電保護(hù)論文

時間:2022-11-29 03:02:00

導(dǎo)語:人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于繼電保護(hù)論文一文來源于網(wǎng)友上傳,不代表本站觀點(diǎn),若需要原創(chuàng)文章可咨詢客服老師,歡迎參考。

人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于繼電保護(hù)論文

摘要:根據(jù)現(xiàn)代控制技術(shù)的人工神經(jīng)網(wǎng)絡(luò)理論提出了一種保護(hù)原理構(gòu)成方案,并分析了原理實(shí)現(xiàn)的可行性和技術(shù)難點(diǎn)。

人工神經(jīng)網(wǎng)絡(luò)(AartificialNeuralNetwork,下簡稱ANN)是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年,已由心理學(xué)家WarrenS.Mcculloch和數(shù)學(xué)家WalthH.Pitts提出神經(jīng)元數(shù)學(xué)模型,后被冷落了一段時間,80年代又迅猛興起[1]。ANN之所以受到人們的普遍關(guān)注,是由于它具有本質(zhì)的非線形特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法,BackPropagation),它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡單,在工業(yè)領(lǐng)域中應(yīng)用較多。

經(jīng)訓(xùn)練的ANN適用于利用分析振動數(shù)據(jù)對機(jī)器進(jìn)行監(jiān)控和故障檢測,預(yù)測某些部件的疲勞壽命[2]。非線形神經(jīng)網(wǎng)絡(luò)補(bǔ)償和魯棒控制綜合方法的應(yīng)用(其魯棒控制利用了變結(jié)構(gòu)控制或滑動??刂疲?,在實(shí)時工業(yè)控制執(zhí)行程序中較為有效[3]。人工神經(jīng)網(wǎng)絡(luò)(ANN)和模糊邏輯(FuzzyLogic)的綜合,實(shí)現(xiàn)了電動機(jī)故障檢測的啟發(fā)式推理。對非線形問題,可通過ANN的BP算法學(xué)習(xí)正常運(yùn)行例子調(diào)整內(nèi)部權(quán)值來準(zhǔn)確求解[4]。

因此,對于電力系統(tǒng)這個存在著大量非線性的復(fù)雜大系統(tǒng)來講,ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力,目前已涉及到如暫態(tài),動穩(wěn)分析,負(fù)荷預(yù)報,機(jī)組最優(yōu)組合,警報處理與故障診斷,配電網(wǎng)線損計(jì)算,發(fā)電規(guī)劃,經(jīng)濟(jì)運(yùn)行及電力系統(tǒng)控制等方面[5]。

本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)(ANN)理論的保護(hù)原理。

1、人工神經(jīng)網(wǎng)絡(luò)理論概述

BP算法是一種監(jiān)控學(xué)習(xí)技巧,它通過比較輸出單元的真實(shí)輸出和希望值之間的差別,調(diào)整網(wǎng)絡(luò)路徑的權(quán)值,以使下一次在相同的輸入下,網(wǎng)絡(luò)的輸出接近于希望值。

在神經(jīng)網(wǎng)絡(luò)投運(yùn)前,就應(yīng)用大量的數(shù)據(jù),包括正常運(yùn)行的、不正常運(yùn)行的,作為其訓(xùn)練內(nèi)容,以一定的輸入和期望的輸出通過BP算法去不斷修改網(wǎng)絡(luò)的權(quán)值。在投運(yùn)后,還可根據(jù)現(xiàn)場的特定情況進(jìn)行現(xiàn)場學(xué)習(xí),以擴(kuò)充ANN內(nèi)存知識量。從算法原理看,并行處理能力和非線性功能是BP算法的一大優(yōu)點(diǎn)。

2、神經(jīng)網(wǎng)絡(luò)型繼電保護(hù)

神經(jīng)網(wǎng)絡(luò)理論的保護(hù)裝置,可判別更復(fù)雜的模式,其因果關(guān)系是更復(fù)雜的、非線性的、模糊的、動態(tài)的和非平穩(wěn)隨機(jī)的。它是神經(jīng)網(wǎng)絡(luò)(ANN)與專家系統(tǒng)(ES)融為一體的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng),其中,ANN是數(shù)值的、聯(lián)想的、自組織的、仿生的方式,ES是認(rèn)知的和啟發(fā)式的。

文獻(xiàn)[1]認(rèn)為全波數(shù)據(jù)窗建立的神經(jīng)網(wǎng)絡(luò)在準(zhǔn)確性方面優(yōu)于利用半波數(shù)據(jù)窗建立的神經(jīng)網(wǎng)絡(luò),因此保護(hù)應(yīng)選用全波數(shù)據(jù)窗。

ANN保護(hù)裝置出廠后,還可以在投運(yùn)單位如網(wǎng)調(diào)、省調(diào)實(shí)驗(yàn)室內(nèi)進(jìn)行學(xué)習(xí),學(xué)習(xí)內(nèi)容針對該省的保護(hù)的特別要求進(jìn)行(如反措)。到現(xiàn)場,還可根據(jù)該站的干擾情況進(jìn)行反誤動、反拒動學(xué)習(xí),特別是一些常出現(xiàn)波形間斷的變電站內(nèi)的高頻保護(hù)。

3、結(jié)論

本文基于現(xiàn)代控制技術(shù)提出了人工神經(jīng)網(wǎng)絡(luò)理論的保護(hù)構(gòu)想。神經(jīng)網(wǎng)絡(luò)軟件的反應(yīng)速度比純數(shù)字計(jì)算軟件快幾十倍以上,這樣,在相同的動作時間下,可以大大提高保護(hù)運(yùn)算次數(shù),以實(shí)現(xiàn)在時間上即次數(shù)上提高冗余度。

一套完整的ANN保護(hù)是需要有很多輸入量的,如果對某套保護(hù)來說,區(qū)內(nèi)、區(qū)外故障時其輸入信號幾乎相同,則很難以此作為訓(xùn)練樣本訓(xùn)練保護(hù),而每套保護(hù)都增多輸入量,必然會使保護(hù)、二次接線復(fù)雜化。變電站綜合自動化也許是解決該問題的一個較好方法,各套保護(hù)通過總線聯(lián)網(wǎng),交換信息,充分利用ANN的并行處理功能,每套保護(hù)均對其它線路信息進(jìn)行加工,以此綜合得出動作判據(jù)。每套保護(hù)可把每次錄得的數(shù)據(jù)文件,加上對其動作正確性與否的判斷,作為本身的訓(xùn)練內(nèi)容,因?yàn)榧词褂袝r人工分析也不能區(qū)分哪些數(shù)據(jù)特征能使保護(hù)不正確動作,特別是高頻模擬量。

神經(jīng)網(wǎng)絡(luò)的硬件芯片現(xiàn)在仍很昂貴,但技術(shù)成熟時,應(yīng)利用硬件實(shí)現(xiàn)現(xiàn)在的軟件功能。另外,神經(jīng)網(wǎng)絡(luò)的并行處理和信息分布存儲機(jī)制還不十分清楚,如何選擇的網(wǎng)絡(luò)結(jié)構(gòu)還沒有充分的理論依據(jù)。所有這些都有待于對神經(jīng)網(wǎng)絡(luò)基本理論進(jìn)行深入的研究,以形成完善的理論體系,創(chuàng)造出更適合于實(shí)際應(yīng)用的新型網(wǎng)絡(luò)及學(xué)習(xí)算法[5]。

參考文獻(xiàn)

1、陳炳華。采用模式識別(智能型)的保護(hù)裝置的設(shè)想。中國電機(jī)工程學(xué)會第五屆全國繼電保護(hù)學(xué)術(shù)會議,[會址不詳],1993

2、RobertE.Uhrig.ApplicationofArtificialNeuralNetworksinIndustrialTechnology.IEEETrans,1994,10(3)。(1):371~377

3、LeeTH,WangQC,TanWK.AFrameworkforRobustNeuralNetwork-BasedControlofNonlinearServomechannisms.IEEETrans,1993,3(2)。(3):190~197

4、ChowMo-Yuen.TheAdvantageofMachineFaultDetectionUsingArtificialNeuralNetworksandFuzzyLogicTechnology.IEEETrans,1992,5(6)。(2):1078~1085

5、吳捷?,F(xiàn)代控制技術(shù)在電力系統(tǒng)控制中的應(yīng)用。全國高校電力系統(tǒng)及其自動化專業(yè)年會,廣州,19976MatthewZedenberg.NeuralNetworksModelsinArtificialIntelligence.[s.l.]:[s.n.],[s.a.]