董 菲，金 鈞

0 引言

AT牽引供電系統(tǒng)是一種較為復(fù)雜的供電系統(tǒng)，而快速準(zhǔn)確地識別該系統(tǒng)的各種故障是高速鐵路安全運行的保障。

AT牽引供電系統(tǒng)可以采取多種仿真軟件進(jìn)行仿真，譬如，PSCAD仿真軟件[1]、MATLAB仿真軟件[2，3]等。文獻(xiàn)[4]建立了整個牽引供電系統(tǒng)包括變電站、自耦變壓器、多導(dǎo)體傳輸線的模型，把牽引網(wǎng)模型建成去耦合后的電路網(wǎng)絡(luò)。文獻(xiàn)[5]在低頻領(lǐng)域把牽引供電系統(tǒng)作為標(biāo)準(zhǔn)配電系統(tǒng)建立數(shù)學(xué)模型，在負(fù)載、穩(wěn)態(tài)電壓、諧波仿真方面有一定參考價值。文獻(xiàn)[6]建立了多導(dǎo)體模式下的AC供電模型，并利用該模型開發(fā)了用于求解列車電流、電壓的仿真系統(tǒng)。文獻(xiàn)[7]以計算列車受電電壓為目標(biāo)，建立了牽引供電系統(tǒng)仿真模型，利用較好的計算手段（如牛頓迭代法）進(jìn)行仿真，在AT所間距設(shè)計、行車計劃等方面有一定幫助。文獻(xiàn)[8]、[9]對電力系統(tǒng)中故障識別手段進(jìn)行分析，文獻(xiàn)[10]對神經(jīng)網(wǎng)絡(luò)應(yīng)用于電氣化鐵道展開論述，因此可比照電力系統(tǒng)把人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于AT牽引供電系統(tǒng)的故障識別。ATP電磁暫態(tài)仿真軟件之前已應(yīng)用于電力系統(tǒng)中，因此也可以應(yīng)用于AT牽引供電系統(tǒng)。

本文采用ATP電磁暫態(tài)仿真軟件對AT牽引供電系統(tǒng)進(jìn)行仿真分析，用BP算法對牽引供電系統(tǒng)的正常狀態(tài)、T-R短路故障、F-R短路故障、T-F短路故障（T為接觸線、F為正饋線、R為鋼軌）、異相短路故障等5種狀態(tài)進(jìn)行識別。

1 原理分析和建立單供電臂仿真模型

AT牽引供電系統(tǒng)主要包括主牽引變電所、AT所、接觸線、正饋線、保護線、放電器、大地等。主牽引變電所主要是將電力系統(tǒng)的三相交流電壓110 kV轉(zhuǎn)變?yōu)閱蜗?5 kV交流電壓。AT所主要是由自耦變壓器構(gòu)成，該變壓器兩端分別接接觸線和正饋線，中性點連接放電器，放電器接鋼軌。接觸線和正饋線的電流是一對大小基本相等、方向相反的電流，因此對相鄰線路的通信信號影響較小。保護線與鋼軌并聯(lián)，通過橫連接線實現(xiàn)鋼軌、自耦變壓器的中性點、保護線的連接。保護線的主要作用：提高信號軌道的工作可靠性；在發(fā)生短路故障時，能夠為短路電流提供良好的金屬通路，利于繼電保護準(zhǔn)確的動作。一般情況時，保護線可以有效分流，降低鋼軌電壓。本文采用LJ-185型保護線[11]。AT牽引供電系統(tǒng)的單供電臂原理如圖1所示。

ATP是一款強大的仿真軟件，主要是針對復(fù)雜系統(tǒng)的電磁暫態(tài)分析。但由于 ATP仿真軟件并非針對鐵路牽引供電系統(tǒng)開發(fā)的軟件，所以需要對相關(guān)的器件進(jìn)行改造。主牽引變壓器的電能來自對稱的并且是穩(wěn)定的電源，所以可以用55 kV的單相交流電源（相位為零）代替。AT所主要是由自耦變壓器構(gòu)成，變壓器原邊的負(fù)極接次邊的正極，使其構(gòu)成中性點連接放電器接地。自耦變壓器的電感為L=200 mH，磁阻為2650 Ω，在AT牽引供電系統(tǒng)中每隔10 km設(shè)置一個自耦變壓器。放電器的電阻設(shè)為0.02 Ω。高速動車組一般被認(rèn)為是單相非線性器件，但是在運行中動車組是一個效率接近于1的機器，所以在建立AT牽引供電系統(tǒng)中相當(dāng)于一個71 Ω的純電阻。牽引供電系統(tǒng)的線路阻抗是較小的，表1是鐵道設(shè)計部門給出的牽引網(wǎng)阻抗表。

表1 牽引網(wǎng)線路阻抗 單位：Ω/km

由于AT牽引供電系統(tǒng)是對稱的，故只需分析雙供電臂中的單供電臂即可。圖2是ATP仿真軟件建立的AT牽引供電系統(tǒng)的單供電臂仿真模型。

2 AT牽引供電系統(tǒng)5種狀態(tài)仿真分析

針對利用ATP仿真軟件建立的單供電臂模型，本文主要對T-R、F-R、T-F、異相短路故障進(jìn)行分析。T-R、F-R、T-F短路故障分別是在圖2的基礎(chǔ)上加裝短路開關(guān)和一個小電阻構(gòu)成短路。短路開關(guān)設(shè)置的閉合時間為0 s，斷開時間為0.1 s。前3種故障的接觸線電流和鋼軌電流全部是靠近主牽引變電所測量的電流量。以上3種短路故障短路期間（0.1 s）內(nèi)接觸網(wǎng)的接觸線短路電流較大，與高速動車組正常狀態(tài)有較大的區(qū)別，同時對鋼軌電流和機車取流影響較大。

圖2 AT牽引供電系統(tǒng)單供電臂仿真模型圖

針對300 km/h的高速動車組過電分相時會產(chǎn)生非線性諧振（鐵磁諧振）和線性諧振，并且有較大的接觸網(wǎng)的接觸線短路電流，鋼軌電流量會有明顯的暫態(tài)過程。異相短路故障是電氣化鐵道中較為特殊的故障，有必要進(jìn)行重點分析。圖3—圖5是異相短路故障的仿真波形。

圖3 接觸網(wǎng)的接觸線短路電流仿真圖

圖4 中性區(qū)段仿真圖

異相短路故障中出現(xiàn)諧振，主要是機車高壓電壓互感器和中性區(qū)段中性線對地等效電容發(fā)生諧振。從圖3—圖5的3個仿真波形圖可以看出，接觸網(wǎng)的接觸線短路電流較大；鋼軌電流發(fā)生諧振，但經(jīng)過60 ms后達(dá)到穩(wěn)定狀態(tài)屬于暫態(tài)過程；機車取流較小，高速動車組受電弓裝置的等效阻抗很大。限于篇幅，表2僅列出了AT牽引供電系統(tǒng)的5種狀態(tài)的仿真數(shù)據(jù)。

分析表2中的仿真數(shù)據(jù)，可以得出發(fā)生短路故障時，短路電流是正常電流幾倍甚至幾十倍，這樣會對牽引供電系統(tǒng)造成很大的破壞，對于高速鐵路的運營十分不利。

表2 AT牽引供電系統(tǒng)5種狀態(tài)的仿真數(shù)據(jù)表 單位：A

3 基于BP算法的神經(jīng)網(wǎng)絡(luò)故障識別

人工神經(jīng)網(wǎng)絡(luò)具有非線性適應(yīng)性信息處理能力，神經(jīng)網(wǎng)絡(luò)中有多種算法可以解決故障識別問題，其中 BP算法得到較為廣泛的應(yīng)用。BP學(xué)習(xí)算法的基本原理就是梯度最速下降法，中心思想是調(diào)整權(quán)值使網(wǎng)絡(luò)的總誤差最小，就是實際的輸出值與期望的輸出值的誤差均方值為最小。BP算法的主要優(yōu)點：首先，只要有足夠的隱含層和隱節(jié)點，BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系；其次，BP網(wǎng)絡(luò)是一種全局逼近的方法，因此有較好的泛化能力。缺點：收斂速度慢；局部極值；難以確定隱含層和隱節(jié)點的數(shù)目。BP網(wǎng)絡(luò)能夠?qū)崿F(xiàn)輸入和輸出的非線性映射關(guān)系，但不依賴于模型，即使個別神經(jīng)元的損壞對輸入輸出的影響較小，說明該算法的容錯能力較好。故此，神經(jīng)網(wǎng)絡(luò)為解決故障診斷提供了一種新的途徑[12]。

神經(jīng)網(wǎng)絡(luò)的故障診斷方法所需步驟：（1）對5種狀態(tài)進(jìn)行仿真得出各故障的數(shù)據(jù)參數(shù)。（2）提取各個參數(shù)，并對其進(jìn)行分析。（3）根據(jù)輸入數(shù)據(jù)的特點和系統(tǒng)所需數(shù)據(jù)輸出的要求，確定輸入層和輸出層的節(jié)點數(shù)，以及隱含層的節(jié)點數(shù)。（4）將預(yù)處理的數(shù)據(jù)和矢量參數(shù)輸入到網(wǎng)絡(luò)中，進(jìn)行訓(xùn)練，訓(xùn)練成功后，將預(yù)先設(shè)定的信號和訓(xùn)練結(jié)果進(jìn)行比較驗證結(jié)果。

本文第2節(jié)已經(jīng)對AT牽引供電系統(tǒng)出現(xiàn)的幾種故障進(jìn)行了仿真，并提取數(shù)據(jù)參數(shù)進(jìn)行了分析，總結(jié)出一張仿真數(shù)據(jù)表如表 2，故步驟（1）和步驟（2）已在第2節(jié)完成。對于步驟（3），確定接觸線的電流及增量、正饋線的電流及增量、鋼軌的電流及增量和流過電力機車的電流共 7個變量作為輸入數(shù)據(jù)；線路的 5種狀態(tài)作為輸出，現(xiàn)假設(shè)0000-0100代表5種預(yù)期輸出狀態(tài)。隱含層節(jié)點數(shù)太多會導(dǎo)致學(xué)習(xí)時間過長；而隱含層節(jié)點數(shù)太少容錯性差、識別未經(jīng)學(xué)習(xí)的樣本能力低，所以必須綜合多方面的因素進(jìn)行設(shè)計。隱含層的節(jié)點數(shù)一般根據(jù)經(jīng)驗確定，經(jīng)過大量實驗，本文的隱含層節(jié)點數(shù)確定為 12。步驟（4），對各個變量進(jìn)行反復(fù)訓(xùn)練并且必須收斂；如果對前面的仿真數(shù)據(jù)用BP算法計算，能夠得出實際與預(yù)期相近的值，可以證明文中所述的5種狀態(tài)被識別。

在應(yīng)用BP算法進(jìn)行狀態(tài)識別前需對仿真數(shù)據(jù)進(jìn)行處理。大多數(shù)BP神經(jīng)網(wǎng)絡(luò)模型以S形函數(shù)作為轉(zhuǎn)換函數(shù)，該函數(shù)的值域為[0，1]，因此在網(wǎng)絡(luò)訓(xùn)練時要將原始數(shù)據(jù)規(guī)范到[0，1]區(qū)間，通常采用標(biāo)準(zhǔn)的歸一化的方法來實現(xiàn)。對以上5種狀態(tài)總結(jié)的數(shù)據(jù)進(jìn)行歸一化處理，就是將數(shù)據(jù)處理在0到1的范圍即可。

該X值是對表2中5種狀態(tài)仿真的數(shù)據(jù)進(jìn)行歸一化處理的結(jié)果，之后才可用神經(jīng)網(wǎng)絡(luò)的BP算法對AT牽引供電系統(tǒng)的5種狀態(tài)進(jìn)行仿真研究。

結(jié)合圖6，可見經(jīng)過10次訓(xùn)練后，BP算法收斂并且保證能夠正確的預(yù)測。圖6中的橫線表示目標(biāo)曲線，曲線表示訓(xùn)練曲線，最下面的橫坐標(biāo)表示訓(xùn)練步驟，最上面的橫坐標(biāo)表示訓(xùn)練精度。縱坐標(biāo)表示訓(xùn)練曲線和目標(biāo)曲線。

圖6 訓(xùn)練誤差曲線圖

經(jīng)過程序運行得出結(jié)果用y1表示，BP算法經(jīng)過反復(fù)訓(xùn)練先前的樣本（表2的仿真數(shù)據(jù)）得出應(yīng)用神經(jīng)網(wǎng)絡(luò)的BP算法對AT牽引供電系統(tǒng)的5種狀態(tài)識別的結(jié)果。

對比實際輸出y1和期望輸出相吻合，近似于0的數(shù)記為0，近似于1的記為1。得出最后的結(jié)果后，要與預(yù)先設(shè)定狀態(tài)相比較，若 y1和表 3的結(jié)果相對應(yīng)就可判斷，狀態(tài)識別得到較好的驗證。

表3 預(yù)期狀態(tài)表

4 結(jié)束語

通過對AT牽引供電系統(tǒng)的5種狀態(tài)的仿真分析和狀態(tài)識別，得到良好的驗證；對異相短路故障的暫態(tài)過程進(jìn)行了重點分析。由于篇幅所限，未對異相短路故障的暫態(tài)過程進(jìn)行抑制諧振過電壓的分析。針對本文所研究的問題總結(jié)如下：

（1）建立了 AT牽引供電系統(tǒng)的物理模型和仿真模型，并對其AT牽引供電系統(tǒng)進(jìn)行了理論分析和對AT牽引供電系統(tǒng)單供電臂的仿真模型中的主要部分進(jìn)行參數(shù)設(shè)置。

（2）針對動車組運行在 AT牽引供電系統(tǒng)中發(fā)生的5種狀態(tài)，正常狀態(tài)、T-R短路故障、F-R短路故障、T-F短路故障、異相短路故障，應(yīng)用ATP電磁暫態(tài)仿真軟件進(jìn)行仿真分析。

（3）對神經(jīng)網(wǎng)絡(luò)理論的 BP算法進(jìn)行了簡要的闡述，并且提出應(yīng)用BP算法對其5種狀態(tài)進(jìn)行識別的步驟。

（4）應(yīng)用 MATLAB仿真軟件中神經(jīng)網(wǎng)絡(luò)的BP算法對其5種狀態(tài)進(jìn)行智能識別，并且得到了較好的仿真驗證。

[1]張小瑜，吳俊勇.基于PSCAD的牽引供電系統(tǒng)仿真研究[J].電氣化鐵道，2007，（6）：17-20.

[2]楊嶸春，粟蓮，隆超，等.數(shù)字化鐵道客運專線AT供電系統(tǒng)空載建模與仿真[J].電氣技術(shù)，2009，（1）.

[3]方雷，何正友.高速鐵路牽引供電系統(tǒng)數(shù)字建模及仿真[D].成都：西南交通大學(xué)，2010.

[4]Tsai-Hsiang Chen, Yen-Feng Hsu. Systematized shortcircuit analysis of a 225 kV electric action network. Electric Power Systems Research,1998(47):133-142.

[5]鄧云川，高宏，楚振宇.高速列車負(fù)荷特征及其對牽引供電系統(tǒng)的影響[J].電氣化鐵道，2005，（6）：6-10.

[6]劉海東，何天健，毛保華，等.多導(dǎo)體模式下的交流牽引供電仿真系統(tǒng)的研究[J].系統(tǒng)仿真學(xué)報，2004，（2）：117-125.

[7]R.J.Hill and I.H.Cevik. On-1ine simulation of autotransformer-fed AC electric railroad traction networks,IEEE Trams. Veh. Technol, vol. 42, no.3, pp.365 -372,May.1993.

[8]劉一江，周友慶.應(yīng)用人工神經(jīng)元網(wǎng)絡(luò)方法實現(xiàn)微機距離保護[J].中國電機工程報，1999，19（12）：51-56.

[9]顧雪平，張文勘，高曙，等.人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)結(jié)合運用的電力系統(tǒng)故障診斷方法[J].華北電力學(xué)院學(xué)報，1994，（2）：12-17.

[10]陳維榮，錢清泉，王曉茹.神經(jīng)網(wǎng)絡(luò)在繼電保護及故障診斷中的應(yīng)用[J].電力系統(tǒng)自動化，1997，21（5）：5-9.