芻議動車組過分相區故障識別和動車組過分相區繼電保護

劉毅

摘 要：動車組過分相區故障識別與繼電保護具有一定的難度，在研究分析中很難建立準確的數學模型，BP算法是動車組過分相區故障識別中的重要技術，可以快速識別出動車組過分相區中存在的故障問題，滿足了動車組的安全運行要求。為了保證動車組運行安全，文章就動車組過分相區故障識別與繼電保護兩方面內容進行了研究。

關鍵詞：動車組；過分相區；故障識別；繼電保護

1 動車組過分相區故障識別中的人工神經網絡BP算法概述

1.1 基于人工神經網絡的BP算法

動車組過分相區發生運行故障會影響動車組的安全運行狀況，為了對動車組過分相區中存在的故障有一個清晰的認識，文章利用智能控制領域內的BP算法對動車組過分相區以及分相區的中性線出現接地故障時其狀態進行了全方位的智能識別，利用這種方式能夠快速排除動車組運行故障，同時還能夠使繼電保護裝置快速動作，為動車組運行提供保護。

人工神經網絡克服了傳統人工神經網絡方法對語音識別、模式以及分結構化信息處理等方面的局限，該算法具有較強的非線性適應性信息處理能力，基于人工神經網絡的功能性，使之在模式識別、人工神經專家系統以及智能控制等多個領域廣泛應用。人工神經網絡中包含了多種算法，基本上都具有故障識別的作用，但是不同的算法所產生的作用力也是不同的，基于人工神經網絡的BP算法較為常用，利用該種診斷技術，在故障識別過程中無需建立精確的數學模型，它能夠解決其他常規算法所不能解決的故障診斷，對動車組過分相區故障識別具有重要意義。

1.2 基于人工神經網絡BP算法的優勢與缺陷分析

人工神經網絡BP算法是目前解決動車組故障診斷的創新途徑，其在動車組過分相區故障識別中的廣泛應用是由其本身的功能性決定的。其優勢主要表現在兩方面，一方面只要具備足夠的隱節點以及隱含層，人工神經網絡BP就可以隨意的逼近非線性映射關系，具有一定的隨意性，另一方面人工神經網絡BP屬于一種全局逼近的方式，具有較好的泛化能力，BP網絡可以實現輸入與輸出的非線性映射關系，在此過程中其不依賴模型，即使人工神經網絡中有個別神經元損壞，雖對輸入輸出有影響，但影響相對較小，由此可見人工神經網絡BP算法具有良好的容錯能力。然而人工神經網絡BP算法也存在一定的局限性，其在應用中收斂速度較為緩慢，隱含層與隱節點的實際數目難以準確定位。

2 人工神經網絡BP算法下的動車組過分相區故障識別仿真分析

人工神經網絡BP算法在動車組過分相區故障識別中的應用大致可以分為四個步驟，第一，利用該種算法對動車組過分相區進行故障識別與診斷，獲取動車組過分相區與未過分相區中各種狀態下的仿真數據，為故障診斷與故障識別提供有效依據。第二，對動車組過分相區與未過分相區故障識別仿真實驗中的各個參數值進行有效提取，并根據這些參數值對動車組過分相區中存在的故障問題進行全面分析。第三，以輸入的數據特點以及系統所需數據輸出要求為依據，從而確定輸入與輸出層的節點數以及隱含層的節點數。第四，將需要處理的矢量參數以及信息數據輸入到網絡系統中，而后進行一系列訓練，訓練成功之后再將預先設定的訓練結果以及信號進行比較驗證。在動車組過分相區故障識別仿真實驗中若隱含層節點數過多，會導致識別時間過長，不能在短時間內對動車組運行故障進行判斷，會影響動車組的整體運行狀況，而隱含層節點數太少則容錯性較差，識別樣本能力也相對較低，因此在仿真實驗中要綜合考慮各種因素的影響，在仿真實驗中要想得到準確的結果，需要對系統中的各個變量進行反復訓練，同時還要對其進行收斂，在利用人工神經網絡BP算法計算時若實際計算中能夠得到和與其相近的值，那么就表明動車組過分相區的運行狀態被識別。

在仿真實驗中將正饋線電壓、接觸線電壓、暫態過程一的暫態過電壓、暫態過程一的暫態過電壓、暫態過程三的暫態過電灰、暫態過程四的暫態過電壓，將這六個變量輸入到系統中，將線路所呈現的六種狀態作為輸出，在利用人工神經網絡BP算法進行方針數據處理以及狀態識別時，諸多BP神經網絡實驗模型基本上都是以S形函數作為實驗中的轉換函數，將函數的值域定義為[0，1]，那么在訓練過程中就要將原始數據合理規范到[0，1]區間內，而后再統一利用標準歸一化方式來實現。將六種線路的狀態相關數據進行歸一化處理，即將狀態數據處理在0～1以內。在仿真實驗中要利用人工神經網絡BP算法對動車組過分相區進行智能化故障識別，并保證故障識別的準確性，就要對歸一化數據進行大量并反復訓練，通過大量及反復訓練得到的誤差曲線結果是快速的，收斂的，能夠為動車組過分相區故障識別利用精確數據。

3 動車組過分相區繼電保護研究

動車組過分相區中的繼電保護可以分為三種保護模式，分別是線路保護、分相區保護以及合閘過電壓保護，這三種保護方式對動車組過分相區的安全與穩定運行都有一定的保護作用，但是三者的保護方式有所區別，以下是對這三種保護模式的具體分析：

3.1 線路保護

線路保護為了改善功率因數，機車上還設置有三次與五次諧波的濾波電路，為使諧波含量系數能夠準確反映高次諧振狀況，通過高次諧振狀況可以對線路保護中的電阻繼電器動作進行判定，電阻繼電器動作方程式為：

XZD，RZD分別是指電阻與電抗整定值。線路保護在對動車組過分相區實施保護動作時，為了避免動車組過分相區出現保護誤動的狀況，那么需要利用二次諧波進行閉鎖操作。線路保護動作應根據動車組過分相區實際情況來選擇，高次諧波抑制式電流增量保護也是線路保護中的一種，對動車組相區也有一定的保護作用。

3.2 分相區保護

分相區保護設置與線路保護設置相比相對較為復雜，在動車組運行過程中利用分相區保護方式可以在動車組分相區中性線位置設置RC保護與RL保護，其中RL保護能夠被開關控制，利用這兩種保護方式基本上可以解決動車組特定機型的暫態過電壓問題，然而目前很多型號的動車組機車在牽引網中運行，RL與RC保護方式具有一定局限性，在這種運行條件下常出現的問題是過電壓與過電流問題，針對這兩種問題可以采取電壓增量保護與電流速斷保護的方式。

3.3 合閘過電壓保護

動車組過分相區發生故障之后，需要在分區亭處先進行合閘操作，而后再牽引變電所進行再合閘操作，故障時合閘的主要目的是為了檢驗動車組故障屬于暫態性故障還是永久性故障。動車組中的短路故障屬于暫態故障，而短線故障則屬于永久性故障，暫態故障發生后所產生的暫態過電壓會在60ms之后穩定在正饋線與界線中，而永久性故障則會穩定在一個新電壓狀態下，為動車組過分相區運行提供一個良好的狀態。

4 結束語

綜上所述，動車組過分相區運行環境具有一定的復雜性，在運行中常發生一系列的故障，這些故障或多或少都會對動車組的正常運行造成影響，因此對動車組進行故障識別，并采取繼電保護尤為必要。基于人工神經網絡的BP算法是現今動車組過分相區故障識別中的一種新方法，可以在不建立模型的情況下進行故障診斷識別，快速查出故障原因，并根據實際情況采取相應的保護措施，為動車組過分相區運行提供安全保障。

參考文獻

[1]董菲.基于BP算法的AT牽引供電系統狀態識別[J].電氣化鐵道，2011，12 （6）：4-7.

[2]成海燕.高速鐵路牽引網分相區的繼電保護原理研究[D].大連交通大學，2012，6（13）：1-43.