淺談神經(jīng)網(wǎng)絡(luò)在10 kV線路保護中的應(yīng)用

徐丹丹

摘 要：隨著工業(yè)技術(shù)水平的不斷發(fā)展，繼電保護裝置也逐步向著自動化、智能化的方向發(fā)展，因此，尋找一種能夠準確、高效地適應(yīng)因果關(guān)系更為復雜的、非線性的、模糊的、動態(tài)的和非平穩(wěn)隨機電網(wǎng)的保護裝置就具有非常實際的意義。

關(guān)鍵詞：繼電保護；10 kV線路；軟測量技術(shù)；神經(jīng)網(wǎng)絡(luò)

中圖分類號：TM7 文獻標識碼：A 文章編號：1006-8937（2015）26-0052-02

1 背景與意義

電力系統(tǒng)設(shè)備的穩(wěn)態(tài)運行工況與發(fā)生故障后，工頻電氣變化量的因果關(guān)系是復雜的、非線性的、模糊的、動態(tài)的和非平穩(wěn)隨機的。

因此，在保護裝置的選取上，如果能夠?qū)ふ业揭环N自適應(yīng)能力較強的運算模式，通過多次迭代運算，能夠達到較好的非線性擬合效果，這樣就能夠較為準確地反應(yīng)故障類型，保證了繼電保護的“四性”。

本文通過對10 kV線路保護原理和故障狀態(tài)的分析，結(jié)合軟測量建模方法，采用神經(jīng)網(wǎng)絡(luò)模型對10 kV線路保護進行建模。

文中以10 kV線路穩(wěn)態(tài)與暫態(tài)工況模擬的歷史數(shù)據(jù)為神經(jīng)網(wǎng)絡(luò)的訓練樣本，使用ELMAN神經(jīng)網(wǎng)絡(luò)模型對保護進行建模。本文建立的模型可用于10 kV線路保護裝置的優(yōu)化控制，具有一定的工程實用意義。

2 傳統(tǒng)的10 kV線路保護

變電站10 kV線路一般是采用二段式或三段式電流保護，即電流速斷或限時速斷和過電流保護，我們可以根據(jù)變電站斷路器保護動作情況進行初步判斷。

變電站10 kV出線由主變壓器變低10 kV母線引出，10 kV母線橋?qū)?0 kV電壓由主變變低側(cè)引入10 kV高壓室，出線側(cè)A、B、C三相分別接電流互感器（CT），CT極性端朝母線側(cè)，在CT二次側(cè)分為三組，保護組、測量組和計量組，分別接入保護裝置、測控裝置和計量儀表反應(yīng)10 kV饋線的實際電流。10 kV出線電流經(jīng)電流互感器轉(zhuǎn)換后，保護、測控組的二次電流接入10 kV保護測控裝置。

3 Elman神經(jīng)網(wǎng)絡(luò)的建模原理

Elman網(wǎng)絡(luò)是一種典型的局部回歸神經(jīng)網(wǎng)絡(luò)，它可以看作是一個具有局部記憶單元和局部反饋連接的前向神經(jīng)網(wǎng)絡(luò)。Elman網(wǎng)絡(luò)具有與多層前向網(wǎng)絡(luò)相似的多層結(jié)構(gòu)。它的主要結(jié)構(gòu)是前饋連接，包括輸入層、隱含層、輸出層，其連接權(quán)可以進行學習修正；反饋連接由一組“結(jié)構(gòu)”單元構(gòu)成，用來記憶前一時刻的輸出值，其連接權(quán)值是固定的。在這種網(wǎng)絡(luò)中，除了普通的隱含層外，還有一個特別的隱含層，稱為關(guān)聯(lián)層（或承接層）；該層從隱含層接收反饋信號，每一個隱含層節(jié)點都有一個與之對應(yīng)的關(guān)聯(lián)層節(jié)點連接。

關(guān)聯(lián)層的作用是通過聯(lián)接記憶將上一個時刻的隱層狀態(tài)連同當前時刻的網(wǎng)絡(luò)輸入一起作為隱層的輸入，相當于狀態(tài)反饋。隱層的傳遞函數(shù)仍為某種非線性函數(shù)，一般為Sigmoid函數(shù)，輸出層為線性函數(shù)，關(guān)聯(lián)層也為線性函數(shù)。

4 神經(jīng)網(wǎng)絡(luò)建模應(yīng)用于10 kV線路保護的驗證

4.1 輸入輸出參數(shù)選擇

根據(jù)工作現(xiàn)場實際情況，以及傳統(tǒng)保護的原理，擬使用3輸入，1輸出的神經(jīng)網(wǎng)絡(luò)模型來對保護進行建模，三個輸入分別是電流互感器二次側(cè)的A、B、C相電流，一個輸出為保護裝置的故障代碼，其中“0”代表正常狀態(tài)、“1”代表A相故障、“2”代表B相故障、“3”代表C相故障、“4”代表AB相間故障、“5”代表BC相間故障、“6”代表AC相間故障、“7”代表ABC相間故障。

由此可以假設(shè)改神經(jīng)網(wǎng)絡(luò)保護裝置的使用原理，首先通過輸入典型的故障電流數(shù)據(jù)對裝置CPU內(nèi)的神經(jīng)網(wǎng)絡(luò)模型進行訓練，即典型故障電流輸入對應(yīng)該故障代碼的輸出。在完成訓練后出廠使用。

使用時，將實際10 kV出線電路電流互感器的二次電流作為輸入，經(jīng)過裝置CPU中模型進行判斷后，輸出故障代碼，觸發(fā)開出接點，跳開斷路器達到排除故障的目的。

4.2 神經(jīng)網(wǎng)絡(luò)模型訓練和驗證數(shù)據(jù)

本文分別采用獨立的兩個電流數(shù)據(jù)庫來對神經(jīng)網(wǎng)絡(luò)模型進行訓練和驗證，用于訓練和驗證的兩各數(shù)據(jù)庫分別用152組數(shù)據(jù)模擬了4.1所述故障代碼中的故障時所產(chǎn)生的典型電流，并且兩組數(shù)據(jù)分別為一定范圍內(nèi)的隨機數(shù)，并無函數(shù)關(guān)聯(lián)，借此驗證神經(jīng)網(wǎng)絡(luò)模型的準確性。

4.3 10 kV線路保護ELMAN模型的建立與驗證

ELMAN模型的建立與訓練有3個輸入，1個輸出，采用50個隱層：

net = newelm（as，bs，50，{'tansig'，'purelin'}，'trainlm'）

利用各狀態(tài)電流數(shù)據(jù)對模型進行訓練，完成后保存模型，訓練結(jié)果如下：

模型輸出與實際輸出的曲線對比，如圖1所示。從曲線重合程度來看模型訓練程度較好。

誤差曲線最大誤差也沒有超過0.04，說明訓練結(jié)果十分理想，如圖2所示。

模型訓練保存后，采用另一組電流數(shù)據(jù)數(shù)據(jù)對模型進行檢驗。結(jié)果如下：

在使用另一組穩(wěn)態(tài)數(shù)據(jù)的實際輸出與模型所計算出的模擬輸出的曲線對比中，可以發(fā)現(xiàn)，在數(shù)據(jù)段存在一些誤差，但這些誤差依然是在允許范圍之內(nèi)。

在更改了ELMAN網(wǎng)絡(luò)的隱含層數(shù)量進行多次試驗后，認為隱含層為50時的效果是ELMAN網(wǎng)絡(luò)中最好的。驗證數(shù)據(jù)時誤差最大不超過0.15，由此可見，若將誤差范圍設(shè)定在-0.15～0.15，則在相應(yīng)電流輸入裝置的情況下，動作成功率為100%。

綜上所述，應(yīng)用ELMAN神經(jīng)網(wǎng)絡(luò)對10 kV線路保護進行建模，其結(jié)果是較為準確的。

5 結(jié) 語

在大量試驗的基礎(chǔ)上，本文對10 kV保護以及神經(jīng)網(wǎng)絡(luò)建模模擬10 kV線路保護的方法進行了闡述，得出以下結(jié)論：

①針對傳統(tǒng)10 kV保護，在大量理論與運行經(jīng)驗的支持下，基本能夠滿足繼電保護選擇性、速動性、靈敏性和可靠性“四性”的要求。

②本文所提出的通過神經(jīng)網(wǎng)絡(luò)模型構(gòu)建故障判斷核心的理論通過ELMAN模型的驗證，初步判斷是準確、可行的。在僅適用152組數(shù)據(jù)進行電流非線性變化訓練的情況下，所驗證時輸出的故障代碼數(shù)據(jù)能夠保證誤差小于0.15，說明若能夠通過大量數(shù)據(jù)的訓練，完善故障狀態(tài)時的電流數(shù)據(jù)，該模型會有更加完整動作邏輯和更加準確的動作邏輯。

參考文獻：

[1] 劉振鵬，魏光耀.電力系統(tǒng)繼電保護實用技術(shù)問答[M].北京：中國電力出版社，2001.

[2] 孫國凱，田友文.電力網(wǎng)繼電保護原理[M].北京：中國電力出版社，2008.

[3] 張良均，曹晶，蔣世中.神經(jīng)網(wǎng)絡(luò)使用教程[M].北京：機械工業(yè)出版社，2008.