基于繼電保護人工神經網絡的應用

【摘要】結合實際，文章分析了繼電保護人工神經網絡的特征、模型選取原則、操作過程以及應用實現。供參考。

【關鍵詞】繼電保護；人工神經網絡；電力應用

繼電保護在電力系統和自動化技術的快速發展之下，也有了長足的發展。近些年來，隨著電力系統向大機組、高電壓以及現代化大電網方向的發展，繼電保護中的新技術應用也隨之浮出水面，其中人工神經網絡的應用就是—例。

1、人工神經網絡概述

所謂的人工神經網絡，則是在模擬生物神經元結構基礎之上而提出的信息處理方法，通過模擬人腦組織結構和人類認知過程的信息處理系統。同時也是神經網絡與專家系統融為一體的神經網絡專家系統。

人工神經元是人工神經網絡的一部分，我們可以把神經元比喻為數學模型.具體如下圖所示。

它是多輸入單輸出的信息處理單元，在實際運用中通過與其相連的其他神經元接收信息，對信息的處理是非線性的。

目前在電力系統中，可以有效地解決難以列出方程式或求解復雜的非線性問題。如果利用人工神經網絡的模式識別能力，可有效對電力系統中的故障做出最大量的識別，進一步處理電流對正方向的預報處理和故障。通過對標準樣本的學習，調整自身的連接權，將獲得的知識分布在網絡上，并實現ANN的記憶模式。除此之外，還可以實現暫態，動穩分析，負荷預報，機組最優組合，具有強大的知識獲取能力。

2、人工神經網絡基本特征

一般地，電力系統繼電保護中人工神經網絡的特征包含有非線性和非局限性、非常定性。所謂的非線性則是指人工神經元處在激活或者抑制兩種不同的狀態，同時闕值神經元構成的網絡可提高容錯性以及存儲容量。所謂的非局限性是指一個神經網絡是由多個神經元鏈接的，通過單元間的大量連接模擬大腦非局限性。在非常定性方面，神經網絡在處理信息的同時還可以實現多種變化，此時非線性動力的系統也在變化。

3、人工神經網絡的操作過程

一般地，人工神經網絡的操作可以分為回憶操作和訓練學習操作。在回憶操作中對訓練好的網絡輸入信號，可以正常回憶出相應的輸出，得到識別結果。在訓練學習操作中要把首先準備好的網絡信息教傳給外部作為網絡的輸入和要的輸出，要確保網絡按照某一種規則調節到各處理單元間的連接權值。

4、人工神經網絡模型選取

在人工神經網絡模型選取上要遵循一定的原則，一般包括執行時間、訓練時間。從輸入數據加載到已經訓練過的網絡，再到網絡產生為一個選取周期。這個被稱之為執行時間的原則。執行時間最主要取決于計算環境和網絡的動態特征。

從輸入數據加載到網絡上傳開始訓練再到網絡權值全部調節結束為一個選取周期。這個被稱之為訓練時間的原則。訓練時間一般要比執行時間長，實際運行中通常是脫機進行。

5、人工神經網絡保護裝置原理

在實際的繼電保護應用中，可以采用上面的人工神經網絡保護裝置原理技術體現。裝置采用了線路和周邊數字量以及模擬量，經過模式轉化到神經網絡，再次對數據評價分析。其中專家系統部分是實現控制和訓練，按照最優先的方式收集數據、控制再進行評估。

6、人工神經網絡的實現

第一種.人工神經網絡的歸一化算法。線性轉換算法常見有兩種形式.

<1>y=（x-min）/（max—min）

其中min為x的最小值，max為x的最大值，輸入向量為x，歸一化后的輸出向量為Y。上式將數據歸一化到[0.1]區間，當激活函數采用S形函數時（值域為（0.1））時這條式子適用。

<2>Y=2*（x-min）/（max—min）-1

這條公式將數據歸一化到[-1，1]區間。當激活函數采用雙極S形函數（僮域為（-1，1））時這條式子適用。

第二種.人工神經網絡的newff.函數算法。

newff函數參數列表有很多的可選參數，具體可以參考Matlab的幫助文檔，這里介紹newff函數的一種簡單的形式。

語法.net=newff（A，B，{c}，‘trainFun’）

參數.A.一個nx2的矩陣，第i行元素為輸入信號xi的最小值和最大值；B.一個k維行向量，其元素為網絡中各層節點數；C.一個k維字符串行向量，每一分量為對應層神經元的激活函數。

在網絡配置參數方面，一些重要的網絡配置參數如下.net.trainparam.goal.神經網絡訓練的目標誤差。net.trainparam.show.顯示中間結果的周期；net.trainparam.epochs

.最大迭代次數；net.trainParam.lr.學習率。

總結.

綜上所述，人工神經網絡是人工智能的一個重要分支，在繼電保護等領域應用及研究比較廣泛。隨著我們對人工神經網絡不斷地探索和研究，在以后的生產生活中將會發揮更大的作用。