人工神经网络在发电机纵差保护中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇人工神经网络在发电机纵差保护中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：本文详细介绍了利用MATLAB仿真工具将人工神经网络的算法在发电机纵差保护上应用的过程，通过BP网络设计、网络训练和测试，验证人工网络算法的可行性和优越性。

关键词：人工神经网络 纵差保护 仿真

传统的比率制动特性曲线对动作区和不动作区的划分还是比较粗糙的，用两段或三段直线对实际上非线性的特性作了近似处理，并不能很好的逼近外部短路时的误差曲线。保护的动作量在有些地方会偏于保守，而对于如CT饱和的特殊情况又无法正确判断。人工神经网络理论已经证明，对于任意的连续函数或映射关系，总存在一个三层的BP网络，可以以任意精度逼近此函数或映射关系。本论文希望利用人工神经网络良好的非线形映射能力和模式识别能力，来实现一个基于传统保护原理、具有更高性能的比率制动式发电机纵差保护。

1、MATLAB仿真生成样本

训练所需的外部故障数据样本由仿真得到，使用MATLAB中的Powerlib工具箱建立了一个发电机外部故障仿真模型。其中各项参数选用三峡一套水冷机组的参数，具体值如下：

额定容量：Sn=777.8MVA；额定功率因数：=0.9；

额定线电压：UN＝20KV 额定电流：IN＝22453.2A

直轴不饱和超瞬变电抗＝0.245（pu）

为了简化模型，采用了一个三相对称电源来代替发电机，电源内阻直接选用了次暂态电抗值，以便于对短路故障的仿真，电源出口处经三相串联阻抗接到断路器上。通过修改断路器的连接方式和合闸时间，就可以对三相接地、两相接地、单相接地、两相短路四种不同的短路方式进行仿真。

内部短路故障数据可由多回路分析方法获得。故障情况包括：发电机空载，发电机没有接入系统，也就是说在发电机发生内部短路时，系统没有向发电机提供短路电流；还应包括发电机联入系统时，带负荷情况下面的内部短路故障数据，发电机中性点侧带电阻的短路故障数据。

2、基于BP网络的比率制动特性的差动保护

目前，在神经网络研究方法上包含多个流派，如多层网络BP算法、HOPFIELD网络模型、自适应共振理论（ART）、自组织特征映射理论等。基于多层网络BP算法，其设计，一般应从网络的层数、每层中的神经元个数、传递函数以及初始值等方面进行考虑。

分析所要划分的模式空间，可以看出有明显的三个区域，按照BP网络理论，每增加一个隐层节点就是增加了一条分割线，由此，选用了三个隐层节点。对网络的输出目前只要求能作到分辨内部故障和外部故障，所以只选用了一个输出节点。隐层的传输函数选择S 型函数。S型函数输出曲线两端平坦，中间部分变化剧烈，不但具有可微性，而且具有饱和非线性特性增强了网络的非线性映射能力。输出层的传输函数我们选择对数型 S函数，因为我们的输出空间在0、1之间，目的是实现一个模式判别。由于BP网络的限制，不能使用硬限幅函数（不可微），而我们又输出希望能尽量逼近0或1，对数型S函数是最佳的选择。在实际运用中，BP算法很难胜任，因此出现了许多改进算法。训练中使用了MATLAB 对前向网络默认的trainlm（）函数，它使用Leverberg-Marquardt优化方法。这是训练前向网络最快的方法，但它需要很大的存储空间才能运行。

3、网络的训练与测试

在BP网络训练时，采用了一种自选初值的方法，从初步训练（训练次数较少、目标要求较低）的结果中，选出收敛趋势较好的一个网络，记录下它的权值和阈值，再用它的权值和阈值作为初值训练网络，效果往往比较理想。

对于BP网络，还没有找到像单神经元感知器网络那样的画分类线的方法。为了能够反映出所训练神经网络对样本空间的划分情况，采用了画等高线的方法，如图1所示。

在训练好网络后，用仿真得来的数据对结果进行测试，发现对于所有的仿真样本点都能作出正确的判断，而且，结果都很接近目标（0或1），这既测试了所训练网络的性能，也从一个侧面验证了前文所提到的仿真结果偏于理想的论断。

4、训练结果分析

如果两组样本取得更接近一些，所得的分类线会更接近原有的整定线。这样训练出的网络理论上分析应具有不低于传统保护的性能。但是仔细观察图4.5，就会发现这条等高线也存在问题。在接近原点的地方，特性曲线向上翘，原本应该平直的非制动区特性变成了“V”型折线。为了分界效果，在原有基于整定计算样本的基础上，又加入了一些样本点，训练后得到新的输出为1的等高线如图2所示。

发现无制动区的特性基本平直，速断区的向上倾斜也有了很大的好转，可见合理的添加一些起约束作用的样本，对于取得更好的特性是很有益的。

如果能够收集到足够的样本，再用经验值（如整定计算）对其进行必要的补充和约束，可以更充分的利用人工神经网络的特点，得到具有更复杂特性的比率制动原理纵差保护，从而不但能更逼近CT误差曲线，提高比率制动纵差保护的性能，还能兼顾到如CT 饱和、两侧CT误差偏大等可能引起误动的情况。

参考文献

[1]家李，贺继红.基于人工神经网络方法的微机变压器保护.中国电机工程学报，1998，18（3）.

[2]面向MATLAB工具箱的神经网络理论与应用.合肥：中国科学技术大学出版.