張萍,任曉俠
西安供電局,陜西 西安 710032
隨著電力工業(yè)的不斷發(fā)展,現(xiàn)代電力系統(tǒng)已成為一個(gè)高階非線性、高復(fù)雜的大系統(tǒng),系統(tǒng)運(yùn)行的可靠性也越來越受到人們的關(guān)注,對(duì)保證電網(wǎng)安全與穩(wěn)定運(yùn)行的繼電保護(hù)技術(shù)提出了更高的要求。一些傳統(tǒng)的繼電保護(hù)和故障診斷技術(shù)存在一些固有的缺陷,如整定復(fù)雜,不能全線速動(dòng),可靠性受通信線路和元件的限制等等,不能滿足電力系統(tǒng)不斷發(fā)展的要求。因此,基于人工智能技術(shù)的繼電保護(hù)系統(tǒng)越來越受到重視。
人工神經(jīng)網(wǎng)絡(luò)[1](Aartificial Neural Network,簡(jiǎn)稱ANN)是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。它具有復(fù)雜的動(dòng)力學(xué)特性,并行處理機(jī)制,學(xué)習(xí)、聯(lián)想和記憶功能,還具有高度的自組織、自適應(yīng)能力。ANN網(wǎng)絡(luò)由大量的模擬人腦的神經(jīng)元互聯(lián)組成,通過調(diào)整連接權(quán)值,由整體狀態(tài)來給出響應(yīng)信息,它具有本質(zhì)的非線性特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。通過對(duì)反映輸入特征量的大量樣本學(xué)習(xí),可以對(duì)任意復(fù)雜狀態(tài)或過程進(jìn)行分類和識(shí)別。
由于神經(jīng)網(wǎng)絡(luò)提供了比傳統(tǒng)計(jì)算機(jī)更接近人類感知與識(shí)別的途徑,因此,它能在模式識(shí)別、知識(shí)工程、自動(dòng)控制等領(lǐng)域取得鼓舞人心的成果,在各行各業(yè)得到越來越廣泛的應(yīng)用。對(duì)于電力系統(tǒng)這個(gè)存在著大量非線性的復(fù)雜大系統(tǒng)來講,ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力,目前已涉及到如暫態(tài)、動(dòng)穩(wěn)分析、負(fù)荷預(yù)報(bào)、機(jī)組最優(yōu)組合、警報(bào)處理與故障診斷、配電網(wǎng)線損計(jì)算、發(fā)電規(guī)劃、經(jīng)濟(jì)運(yùn)行及電力系統(tǒng)控制等方面[2]。
傳統(tǒng)的輸電線路繼電保護(hù)主要有電流保護(hù)、距離保護(hù)和縱聯(lián)保護(hù)。電流保護(hù)是一種原理最簡(jiǎn)單的保護(hù)方式,但它的保護(hù)范圍直接受到電網(wǎng)接線方式和系統(tǒng)運(yùn)行方式的影響,一般只適合于35kV及以下電網(wǎng)中??v聯(lián)保護(hù)能夠?qū)崿F(xiàn)全線速動(dòng),但它需要專用的通信通道將輸電線路兩端的電氣量聯(lián)系起來,以便判斷故障發(fā)生的范圍,這樣將大大增加投資成本,而且還存在運(yùn)行可靠性不高的問題。
有試驗(yàn)表明,基于人工神經(jīng)網(wǎng)絡(luò)的電流保護(hù),在系統(tǒng)的各種運(yùn)行方式下及各種故障中,不僅能夠自適應(yīng)識(shí)別線路的故障類型、故障相別和故障點(diǎn)的位置,還可以準(zhǔn)確地區(qū)分振蕩與故障兩種情況[4]。
神經(jīng)網(wǎng)絡(luò)理論的保護(hù)裝置可直接取線路及其周邊的模擬量、數(shù)字量,經(jīng)模式特征變換輸入給神經(jīng)網(wǎng)絡(luò),根據(jù)以前學(xué)習(xí)過的訓(xùn)練材料,對(duì)數(shù)據(jù)進(jìn)行推理、分析評(píng)價(jià)和輸出。專家系統(tǒng)對(duì)運(yùn)行過程控制和訓(xùn)練,按最優(yōu)方式收集數(shù)據(jù)或由分析過程再收集控制,對(duì)輸出結(jié)果進(jìn)行評(píng)估,判別其正確性和一致性,作出最終判決,經(jīng)變換輸出,去執(zhí)行機(jī)構(gòu)。即使是新型保護(hù),也會(huì)存在著某些功能模塊不正確動(dòng)作的可能,這時(shí)可以過后人為干預(yù)擴(kuò)展專家系統(tǒng)數(shù)據(jù)庫或由專家系統(tǒng)作出判別,作為樣本訓(xùn)練ANN的這部分功能模塊,改變其某些網(wǎng)線的權(quán)值,以使下次相同情況下減少不正確動(dòng)作的可能。
在輸電路系統(tǒng)中,常見的短路故障類型有:三相短路、兩相短路、兩相短路接地和單相接地等多種。其中單相接地故障轉(zhuǎn)較為普遍。當(dāng)電力系統(tǒng)發(fā)生故障時(shí),輸電線路各相、各序電壓、電流也隨之發(fā)生變化,特別是故障后故障相的相電壓和相電流,以及接地系統(tǒng)在接地故障的零序電流的變化有明顯的代表性。因此,基于ANN電流保護(hù)模型的建立如下:
包括原始電流電壓數(shù)據(jù)的收集、分析以及數(shù)據(jù)的預(yù)處理,只有經(jīng)過這些步驟后,才能對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行有效的學(xué)習(xí)和訓(xùn)練。樣本集應(yīng)盡可能包含輸電線路的各種故障模式,使得訓(xùn)練后ANN在各種因素變化時(shí),仍能夠?qū)崿F(xiàn)故障點(diǎn)的精確定位。為了使ANN網(wǎng)絡(luò)更好地學(xué)習(xí)收斂,應(yīng)減少原始數(shù)據(jù)的維數(shù),并從中抽取簡(jiǎn)明而有用的信息,從而提高訓(xùn)練的速度和效率??梢圆扇r(shí)域范圍內(nèi)的電壓電流波形的快速傅里葉變換或者采用在時(shí)域頻域更優(yōu)越的小波變換的信號(hào)處理方法。
確定網(wǎng)絡(luò)類型,選擇網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)。例如可以選擇Uar、Uai、Ubr、Ubi、Ucr、Uci、Iar、Iai、Ibr、Ibi、Icr、Ici、Ior、Ioi(下標(biāo) r和 i分別代表實(shí)部與虛部14個(gè)數(shù)據(jù)量作為網(wǎng)絡(luò)的輸入。中間層和神經(jīng)元的個(gè)數(shù)可由大量的實(shí)驗(yàn)確定。一般兩層中間層就已有足夠的精度,當(dāng)然,層數(shù)越多,網(wǎng)絡(luò)學(xué)習(xí)的自由度越大,解決問題的潛力就越大。但層數(shù)太多,會(huì)降低學(xué)習(xí)和診斷效率。輸出層則表示故障相別和類型。可以是A相、B相、C相、接地和正方向。各輸出值為1,代表選中;輸出值為0,代表沒選中。
在訓(xùn)練過程中對(duì)被保護(hù)線路的電流電壓樣本數(shù)據(jù)反復(fù)使用,找出蘊(yùn)涵在樣本數(shù)據(jù)中的輸入和輸出之間的本質(zhì)聯(lián)系,從而對(duì)于未經(jīng)訓(xùn)練的輸入也能給出合適的輸出,即具備泛化功能。該保護(hù)通過對(duì)被保護(hù)線路電壓、電流的特征值的學(xué)習(xí),不僅能自適應(yīng)地識(shí)別輸電線路在各種運(yùn)行方式和故障條件下的故障方向及故障相別,而且在整個(gè)時(shí)域上都具有準(zhǔn)確的識(shí)別能力,它避免了常規(guī)差動(dòng)保護(hù)整定法的不靈活性和原理上的不足,有工程實(shí)用價(jià)值。
近年來,人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)繼電保護(hù)中的應(yīng)用越來越多,可以用來解決一些常規(guī)保護(hù)難以解決的問題。但是其應(yīng)用的可靠性問題是妨礙其在繼電保護(hù)領(lǐng)域獲得廣泛應(yīng)用的最大障礙。通過國內(nèi)外科研人員以及電力部門從業(yè)人員的研究和共同探討,神經(jīng)網(wǎng)絡(luò)的應(yīng)用勢(shì)必走向成熟,其在繼電保護(hù)中的應(yīng)用也會(huì)更加廣泛。
[1]MartinT.Hagan.HowardB.Demuth.MaekH.Beale.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì).機(jī)械工業(yè)出版社.
[2]吳捷.現(xiàn)代控制技術(shù)在電力系統(tǒng)控制中的應(yīng)用.全國高校電力系統(tǒng)及其自動(dòng)化專業(yè)年會(huì),廣州,1997.
[3]賀家李.電力系統(tǒng)繼電保護(hù)原理[M].天津:天津大學(xué),1991.
[4]李營,楊奇遜.分布式微機(jī)母線保護(hù)的探討[J].電力系統(tǒng)自動(dòng)化,1999,23(1).