人工神经网络应用于继电保护的探讨
摘 要 根据现代控制技术的人工神经网络理论提出了一种保护原理构成方案,并分析
了原理实现的可行性和技术难点。
人工神经网络(Aarticial Neural Network,下简称 ANN)是模拟生物神经元的结构而
提出的一种信息处理方法。早在 1943 年,已由心理学家 Warren S.Mcculloch 和数学家
Walth H.Pitts 提出神经元数学模型,后被冷落了一段时间,80 年代又迅猛兴起
[1]。ANN 之所以受到人们的普遍关注,是由于它具有本质的非线形特征、并行处理能
力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型算法(BP
算法,Back Propagation),它的网络结构及算法直观、简单,在工业领域中应用较多。
经训练的 ANN 适用于利用分析振动数据对机器进行监控和故障检测,预测某些部件的
疲劳寿命[2]。非线形神经网络补偿和鲁棒控制综合方法的应用(其鲁棒控制利用了变结
构控制或滑动模控制),在实时工业控制执行程序中较为有效[3]。人工神经网络(ANN)和
模糊逻辑(Fuzzy Logic)的综合,实现了电动机故障检测的启发式推理。对非线形问题,可
通过 ANN 的 BP 算法学习正常运行例子调整内部权值来准确求解[4]。
因此,对于电力系统这个存在着大量非线性的复杂大系统来讲,ANN 理论在电力系统
中的应用具有很大的潜力,目前已涉及到如暂态,动稳分析,负荷预报,机组最优组合,警
报处理与故障诊断,配电网线损计算,发电规划,经济运行及电力系统控制等方面[5]。
本文介绍了一种基于人工神经网络(ANN)理论的保护原理。
1 人工神经网络理论概述
BP 算法是一种监控学习技巧,它通过比较输出单元的真实输出和希望值之间的差别,
调整网络路径的权值,以使下一次在相同的输入下,网络的输出接近于希望值。图 1 是人
工神经 Ui 的结构模型,图中 Ui 为神经元内部状态,Qi 为门槛值,Yi 为输出信号,
Xi(i=1,2,…,n)为神经元接收信号。该模型可表示为:
评论0
最新资源