基于人工神經(jīng)網(wǎng)絡(luò)方法的微機(jī)變壓器保護(hù)

1、 基于人工神經(jīng)網(wǎng)絡(luò)方法的微機(jī)變壓器保護(hù) 長期以來，縱聯(lián)差動(dòng)保護(hù)一直被公識(shí)為電力變壓器最完善的主保護(hù)，在電力系統(tǒng)中得到了廣泛應(yīng)用，它通過比較已折算到變壓器同一基準(zhǔn)值的兩側(cè)電流向量的相位及幅值來判別是否發(fā)生內(nèi)部故障。但是，當(dāng)變壓器空載合閘或外部故障切除后電壓恢復(fù)時(shí)，在變壓器一側(cè)可能產(chǎn)生峰值很大、波形嚴(yán)重畸變的勵(lì)磁涌流。勵(lì)磁涌流的出現(xiàn)，干擾著差動(dòng)保護(hù)的正確工作。目前，在系統(tǒng)中配置的變壓器保護(hù)，主要是采用二次諧波制動(dòng)原理和電流間斷角原理來識(shí)別勵(lì)磁涌流的存在。由于間斷角原理對硬件要求高，實(shí)現(xiàn)較困難，在微機(jī)變壓器差動(dòng)保護(hù)中，采用二次諧波制動(dòng)原理較多。該原理通過比較差動(dòng)電流中的二次諧波與基波之比值的大小來閉

2、鎖差動(dòng)保護(hù)，這在原理上存在著一定的缺陷。另外，由于CT飽和、無功補(bǔ)償用的并聯(lián)電容或超高壓長輸電線的分布電容的緣故,在變壓器發(fā)生內(nèi)部故障時(shí)也會(huì)產(chǎn)生很大的諧波。而在現(xiàn)代變壓器中，由于改進(jìn)的鐵心飽和特性，變壓器勵(lì)磁涌流中的所有諧波的百分比都可能明顯地降低。因此，如何有效而準(zhǔn)確地識(shí)別勵(lì)磁涌流的存在這一問題更為突出，迫切需要研究采用各種新原理和新方法的變壓器保護(hù)。 人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的基本元件神經(jīng)元（neuron）相互連接而成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。一個(gè)簡單的神經(jīng)元處理器(NPU)能夠處理非常簡單的模式識(shí)別問題,但是遇到復(fù)雜情形,還需多層前向神經(jīng)網(wǎng)絡(luò)來處理。神經(jīng)網(wǎng)絡(luò)中的各個(gè)神經(jīng)元的閉值及各層神經(jīng)元

3、之間的聯(lián)接權(quán)值可通過對正常狀態(tài)、各種非正常工作狀態(tài)和各種故障狀態(tài)等大量的樣本進(jìn)行訓(xùn)練的過程來確定,以便該神經(jīng)網(wǎng)絡(luò)在變壓器發(fā)生故障時(shí)能夠迅速識(shí)別和處理。由于它應(yīng)用大量的運(yùn)行參數(shù)進(jìn)行識(shí)別,因而具有很大的容錯(cuò)能力。 隨著人工神經(jīng)網(wǎng)絡(luò)方法在電力系統(tǒng)中日益廣泛的應(yīng)用，使新的微機(jī)變壓器保護(hù)方法的產(chǎn)生成為可能。本文的目的就是基于人工神經(jīng)網(wǎng)絡(luò)方法,提出并建立一種新的微機(jī)變壓器保護(hù)原理。該方法利用變壓器兩端的電流采樣值,對它們進(jìn)行數(shù)據(jù)預(yù)處理后,結(jié)合變壓器發(fā)生各種故障時(shí)的特征,考慮到神經(jīng)網(wǎng)絡(luò)本身所具有的自學(xué)習(xí)、自組織、自適應(yīng)及容錯(cuò)能力等優(yōu)點(diǎn),建立一個(gè)三層前向神經(jīng)網(wǎng)絡(luò)模型,并對此模型進(jìn)行大量的樣本訓(xùn)練,使之對變壓器

4、的勵(lì)磁涌流狀態(tài)和各種故障狀態(tài)能夠給出正確的識(shí)別。本文所提出的方法綜合考慮了勵(lì)磁涌流的各種特征,克服了在常規(guī)微機(jī)變壓器保護(hù)中解決此問題所遇到的困難。 基于人工神經(jīng)網(wǎng)絡(luò)方法的微機(jī)變壓器保護(hù)為了使本文所提出的神經(jīng)網(wǎng)絡(luò)式變壓器保護(hù)能夠正確判斷出變壓器的內(nèi)、外部故障,同時(shí)在空載合閘或外部故障切除后電壓恢復(fù)時(shí),產(chǎn)生的勵(lì)磁涌流或在變壓器發(fā)生過激磁情況時(shí),保護(hù)不誤動(dòng)作,需要綜合考慮發(fā)生這些情況下變壓器所表現(xiàn)出來的各種特征,對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,從而使之學(xué)會(huì)正確判斷與處理。本文所提出的神經(jīng)網(wǎng)絡(luò)式保護(hù)軟件的建立按以下過程進(jìn)行:（1）神經(jīng)網(wǎng)絡(luò)輸入層中各節(jié)點(diǎn)的數(shù)目和性質(zhì)的確定;（2）隱含層和輸出層節(jié)點(diǎn)數(shù)目的確定;（3）

5、訓(xùn)練樣本的確定;（4）對該人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;（5）對已訓(xùn)練過的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行檢驗(yàn)。上述過程是一個(gè)反復(fù)進(jìn)行的過程,如果（1）、（2）中所確定的網(wǎng)絡(luò)結(jié)構(gòu)及各種參數(shù)在網(wǎng)絡(luò)訓(xùn)練過程中不能滿足要求,那么網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)就需改變,然后重新對網(wǎng)絡(luò)進(jìn)行訓(xùn)練;如果在對網(wǎng)絡(luò)進(jìn)行檢驗(yàn)時(shí),得到的結(jié)果不甚理想,那么網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)仍需改變以便滿足要求,然后重新對網(wǎng)絡(luò)進(jìn)行訓(xùn)練及檢驗(yàn)。對輸人信號(hào)特征的提取從變壓器兩側(cè)引入的輸入信號(hào),即三相電流,在進(jìn)入神經(jīng)網(wǎng)絡(luò)之前,先對其進(jìn)行特征量的提取,即經(jīng)過計(jì)算后提取出神經(jīng)網(wǎng)絡(luò)所需的輸入特征量作為其輸入層的輸入節(jié)點(diǎn)值。在電力變壓器中發(fā)生的故障可分為對稱故障和不對稱故障兩大類。發(fā)生不

6、對稱故障時(shí),產(chǎn)生負(fù)序分量,故選取變壓器兩側(cè)電流的負(fù)序分量作為輸入層的節(jié)點(diǎn)輸入,通過比較負(fù)序向量的方向來判別變壓器所發(fā)生的故障是否為內(nèi)部故障;對于對稱故障,選取任一相電流作為輸入層的節(jié)點(diǎn)輸入,通過比較變壓器兩側(cè)任一相電流瞬時(shí)值的方向,來判別變壓器所發(fā)生的故障是否為內(nèi)部故障。對于在變壓器空載合閘或外部故障切除后電壓恢復(fù)時(shí)產(chǎn)生的勵(lì)磁涌流的識(shí)別,本文結(jié)合勵(lì)磁涌流的特征,如較高的諧波含量(包括二次諧波、三次諧波、五次諧波等)、波形出現(xiàn)間斷現(xiàn)象等,這里分別取變壓器差動(dòng)電流中各次諧波含量(二次、三次及五次)及一次側(cè)電流的間斷角來作為輸入層的節(jié)點(diǎn)輸入,通過比較差動(dòng)電流中各次諧波含量與基波含量的比值的大小,及一

7、次側(cè)電流的間斷角的大小,來綜合識(shí)別勵(lì)磁涌流狀態(tài)的存在,同時(shí)由于考慮了五次諧波的含量,變壓器是否處于過激磁狀態(tài)也可以加以判別。綜上所述,從變壓器兩側(cè)的三相電流中所提取出的特征量有:兩側(cè)電流向量的負(fù)序分量、兩側(cè)三相電流中任一相的瞬時(shí)值、變壓器差動(dòng)電流中各次諧波含量與基波含量的比值(包括二次諧波、三次諧波及五次諧波)、一次側(cè)電流間斷角的大小。由此,輸入層由上述幾方面組成,綜合考慮后,判斷變壓器的內(nèi)部故障、外部故障及勵(lì)磁涌流、過激磁等狀態(tài)。人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定在這一部分里,給出所建立的用于微機(jī)變壓器保護(hù)的人工神經(jīng)網(wǎng)絡(luò)的層數(shù)、傳遞函數(shù)、輸入層及輸出層中節(jié)點(diǎn)數(shù)目的確定過程。(1)人工神經(jīng)網(wǎng)絡(luò)的層數(shù)采用一

8、個(gè)三層神經(jīng)網(wǎng)絡(luò)就可在模式空間構(gòu)成任意復(fù)雜程度的幾何圖形,從而對任意復(fù)雜的對象進(jìn)行分類,因此,在本文中采用三層前向神經(jīng)網(wǎng)絡(luò)來進(jìn)行微機(jī)變壓器保護(hù)。(2)傳遞函數(shù)的選取由于S形函數(shù)既具有完成分類所需的非線性特性,又具有可以微分的特性,同時(shí),S形函數(shù)也比較接近于人腦神經(jīng)元的輸入輸出特性,具有更好的仿生效果川,因此,本文采用S形函數(shù)來作為神經(jīng)元的傳遞函數(shù)。S形函數(shù)的表達(dá)式（3）網(wǎng)絡(luò)的輸入與輸出以變壓器的兩側(cè)電流為網(wǎng)絡(luò)的輸入信號(hào),采樣頻率為3000Hz,即采樣率N=60點(diǎn)/周。之所以取高達(dá)3000Hz的采樣頻率,是為了能夠從采樣瞬時(shí)值中盡量不失真地計(jì)算出高次諧波的含量,比如三次諧波和五次諧波等。為了使所建

9、立的神經(jīng)網(wǎng)絡(luò)具有一定的冗余度及容錯(cuò)能力,在輸入層中每一輸入量的計(jì)算都連續(xù)進(jìn)行三次;對于對稱故障的識(shí)別,取A相電流的瞬時(shí)值六個(gè)點(diǎn),此時(shí),采樣頻率取為600Hz,即采樣率N12點(diǎn)/周,也就是說,每隔四個(gè)采樣點(diǎn)取一個(gè)值。這樣做,是為了減少神經(jīng)網(wǎng)絡(luò)輸入層中節(jié)點(diǎn)的個(gè)數(shù),避免神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)過于復(fù)雜。經(jīng)過上面的處理,本文所建立的神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)的個(gè)數(shù)確定為21個(gè)?？紤]到本文建立神經(jīng)網(wǎng)絡(luò)模型的目的就是為了判別變壓器是否處于內(nèi)部故障狀態(tài),因此,該神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點(diǎn)的數(shù)目確定為一個(gè)。由于該神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元采用了S形傳遞函數(shù),因而輸出層節(jié)點(diǎn)的理想輸出值只能趨近于1或0,而不能達(dá)到1或0。這樣,在設(shè)置各訓(xùn)練樣本的理想輸出值時(shí)，不宜設(shè)置為1或0。因此,在本文中所建立的神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點(diǎn)的理想值設(shè)置為0.9或0.1，當(dāng)變壓器發(fā)生內(nèi)部故障時(shí)，輸出值為0.9；否則，輸出值為0.1。人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及檢驗(yàn) 為了使所建立的神經(jīng)網(wǎng)絡(luò)模型能夠?qū)崿F(xiàn)所要求的功能,必須將有關(guān)的信息存入其中,這就必須對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。在神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練時(shí),應(yīng)盡可能地以足夠多的樣本來對其進(jìn)行訓(xùn)練。訓(xùn)練樣本分別來源于:一是利用電磁暫態(tài)程序(EMTP