- 相關推薦
人工神經(jīng)網(wǎng)絡應用于繼電保護的探討
摘 要 根據(jù)現(xiàn)代控制技術的人工神經(jīng)網(wǎng)絡理論提出了一種保護原理構成方案，并分析了原理實現(xiàn)的可行性和技術難點。
人工神經(jīng)網(wǎng)絡(Aartificial Neural Network，下簡稱ANN)是模擬生物神經(jīng)元的結構而提出的一種信息處理方法。早在1943年，已由心理學家Warren S.Mcculloch和數(shù)學家Walth H.Pitts提出神經(jīng)元數(shù)學模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強魯棒性以及自組織自學習的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法，Back Propagation)，它的網(wǎng)絡結構及算法直觀、簡單，在工業(yè)領域中應用較多。
經(jīng)訓練的ANN適用于利用分析振動數(shù)據(jù)對機器進行監(jiān)控和故障檢測，預測某些部件的疲勞壽命［2］。非線形神經(jīng)網(wǎng)絡補償和魯棒控制綜合方法的應用(其魯棒控制利用了變結構控制或滑動�？刂�)，在實時工業(yè)控制執(zhí)行程序中較為有效［3］。人工神經(jīng)網(wǎng)絡(ANN)和模糊邏輯(Fuzzy Logic)的綜合，實現(xiàn)了電動機故障檢測的啟發(fā)式推理。對非線形問題，可通過ANN的BP算法學習正常運行例子調(diào)整內(nèi)部權值來準確求解［4］。
因此，對于電力系統(tǒng)這個存在著大量非線性的復雜大系統(tǒng)來講，ANN理論在電力系統(tǒng)中的應用具有很大的潛力，目前已涉及到如暫態(tài)，動穩(wěn)分析，負荷預報，機組最優(yōu)組合，警報處理與故障診斷，配電網(wǎng)線損計算，發(fā)電規(guī)劃，經(jīng)濟運行及電力系統(tǒng)控制等方面［5］。
本文介紹了一種基于人工神經(jīng)網(wǎng)絡(ANN)理論的保護原理。
1 人工神經(jīng)網(wǎng)絡理論概述
BP算法是一種監(jiān)控學習技巧，它通過比較輸出單元的真實輸出和希望值之間的差別，調(diào)整網(wǎng)絡路徑的權值，以使下一次在相同的輸入下，網(wǎng)絡的輸出接近于希望值。圖1是人工神經(jīng)Ui的結構模型，圖中Ui為神經(jīng)元內(nèi)部狀態(tài)，Qi為門檻值，Yi為輸出信號，Xi(i=1,2,…，n)為神經(jīng)元接收信號。該模型可表示為：
式中 Wji——連接權值。
BP算法的神經(jīng)網(wǎng)絡圖形如圖2所示，設網(wǎng)絡的輸入模塊為p，令其作用下網(wǎng)絡輸出單元j的輸出為Opj。如果輸出的希望值是Tpj，則其誤差為Dpj=Tpj－Opj。若輸入模塊的第i個單元輸入為Ipi，則就輸入模塊p而言，輸入接點I與輸出接點j之間的權值變化量為：
ΔWpji=zDpjIpi
式中，z是某一個常數(shù)。當反復迭代該式時，便可使實際值收斂于目標值［6］。其中隱含層既有輸入網(wǎng)線，又有輸出網(wǎng)線，每一個箭頭都有一定的權值。
在神經(jīng)網(wǎng)絡投運前，就應用大量的數(shù)據(jù)，包括正常運行的、不正常運行的，作為其訓練內(nèi)容，以一定的輸入和期望的輸出通過BP算法去不斷修改網(wǎng)絡的權值。在投運后，還可根據(jù)現(xiàn)場的特定情況進行現(xiàn)場
[1] [2] [3]
【人工神經(jīng)網(wǎng)絡應用于繼電保護的探討】相關文章：
基于人工神經(jīng)網(wǎng)絡的算法及技術應用探討05-02
習語學習應用于英語教學的探討05-02
工學結合應用于大學英語教育的探討04-28
NOAA衛(wèi)星圖像神經(jīng)網(wǎng)絡分類方法的探討04-29
ADCP應用于黃河水文測驗的探討04-29
繼電保護個人工作總結08-27
BP神經(jīng)網(wǎng)絡法在GPS高程擬合中的應用探討04-30
研究性學習應用于計算機教學的探討04-30
CPVC管材應用于油田采出水處理中的探討04-25