一種基于人工神經的供電線路保護方法
【技術領域】
[0001]本發明涉及一種基于人工神經的供電線路保護方法。
【背景技術】
[0002]人工神經網絡(Aartificial Neural Network,下簡稱ANN)是模擬生物神經兀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和數學家Walth H.Pitts提出神經元數學模型，后被冷落了一段時間，80年代又迅猛興起。ANN之所以受到人們的普遍關注。
[0003]經訓練的ANN適用于利用分析振動數據對機器進行監控和故障檢測，預測某些部件的疲勞壽命。非線形神經網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模控制)，在實時工業控制執行程序中較為有效。人工神經網絡(ANN)和模糊邏輯(Fuzzy Logic)的綜合，實現了電動機故障檢測的啟發式推理。因此，對于電力系統這個存在著大量非線性的復雜大系統來講，ANN理論在電力系統中的應用具有很大的潛力，目前已涉及到如暫態，動穩分析，負荷預報，機組最優組合，警報處理與故障診斷，配電網線損計算，發電規劃，經濟運行及電力系統控制等方面。
【發明內容】
[0004]本發明要解決的技術問題是提供一種基于人工神經的供電線路保護方法。
[0005]本發明是通過以下技術方案來實現:
一種基于人工神經的供電線路保護方法，采集供電線路狀態檢修數據，利用供電線路狀態檢修數據訓練人工神經模型，并校驗人工神經模型的靈敏度，以經訓練校驗后的人工神經模型來診斷供電線路故障。
[0006]進一步，該方法包括以下步驟:
I)建立模型，根據供電線路狀態檢測的歷史數據訓練人工神經，建立故障診斷的人工神經模型，隨著新樣本的不斷增加，通過加入新樣本進行訓練，可以重新建模；b、檢驗模型，選擇起始時間和結束時間進行結果對比，得出預測效果；
C、故障診斷，選擇起始時間和結束時間對待測狀態數據進行測試；
d、影響因素重要性排序，利用人工神經可以計算變量重要性計算出各個指標的影響程度，并進行重要性排序；
e、擴展模型，根據BP算法，對實際數據進行分析，把數據分成故障、正常和臨界三類。考慮到正常數據中實際上有部分數據是處在正常與故障的臨界狀況，因此如把數據分成故障、臨界和正常三個類，那么既可減弱原先兩類數據不平衡的現象，又可通過對臨界類的判斷，提高故障診斷系統的可靠性和預警能力。
[0007]本發明的有益效果在于:
1、本發明可以給出影響變量的重要性排序，故障診斷結果具有良好的可解釋性。
[0008]2、本發明利用BP算法，分離出了介于正常和故障之間的臨界類，使系統獲得了故障的早期預警能力。
【具體實施方式】
[0009]下面結合實施例對本發明作進一步說明:
一種基于人工神經的供電線路保護方法，采集供電線路狀態檢修數據，利用供電線路狀態檢修數據訓練人工神經模型，并校驗人工神經模型的靈敏度，以經訓練校驗后的人工神經模型來診斷供電線路故障。
[0010]進一步，該方法包括以下步驟:
I)建立模型，根據供電線路狀態檢測的歷史數據訓練人工神經，建立故障診斷的人工神經模型，隨著新樣本的不斷增加，通過加入新樣本進行訓練，可以重新建模；b、檢驗模型，選擇起始時間和結束時間進行結果對比，得出預測效果；
C、故障診斷，選擇起始時間和結束時間對待測狀態數據進行測試；
d、影響因素重要性排序，利用人工神經可以計算變量重要性計算出各個指標的影響程度，并進行重要性排序；
e、擴展模型，根據BP算法，對實際數據進行分析，把數據分成故障、正常和臨界三類。考慮到正常數據中實際上有部分數據是處在正常與故障的臨界狀況，因此如把數據分成故障、臨界和正常三個類，那么既可減弱原先兩類數據不平衡的現象，又可通過對臨界類的判斷，提高故障診斷系統的可靠性和預警能力。
[0011]例如:當供電線路故障時，供電線路各相、各序電壓、電流也隨之發生變化，特別是故障后故障相的相電壓和相電流，以及接地系統在接地故障的零序電流的變化有明顯的代表性。所以，我們選擇這5個輸出變量作為樣本。選輸入層神經元個數為14個，分別是Uar，Uai, Ubr, Ubi, UcrUci, Iai, Ibr, Ibi, Icr, Ici, lor, 1i (下標 r 和 i 分別代表實部與虛部)，這5個輸出變量完全滿足線路方向保護的需求(沒考慮正向超越)，隱含層神經元數目為2N+1 (N為輸入層神經元數目)。訓練樣本集包含14個輸入變量和5個輸出變量，而測試樣本集中的樣本則只有14個輸入變量，選定輸出層神經元個數為5個:YA(A相)，YB(B相)，YC(C相)，YO(接地)，YF(方向)，各輸出值為“與”，代表正常；輸出值為“非”，代表故障，輸出值為“或”，代表臨界。那么既可減弱原先正常和故障兩類數據不平衡的現象，又可通過對臨界類的判斷，提高故障診斷系統的可靠性和預警能力。
[0012]以上是對本發明做的示例性描述，凡在不脫離本發明核心的情況下做出的簡單的變形或修改均落入本發明的保護范圍。
【主權項】
1.一種基于人工神經的供電線路保護方法，其特征在于，采集供電線路狀態檢修數據，利用供電線路狀態檢修數據訓練人工神經模型，并校驗人工神經模型的靈敏度，以經訓練校驗后的人工神經模型來診斷供電線路故障。2.根據權利要求1所述的一種基于人工神經的供電線路保護方法，其特征在于，該方法包括以下步驟: I)建立模型，根據供電線路狀態檢測的歷史數據訓練人工神經，建立故障診斷的人工神經模型，隨著新樣本的不斷增加，通過加入新樣本進行訓練，可以重新建模；b、檢驗模型，選擇起始時間和結束時間進行結果對比，得出預測效果； C、故障診斷，選擇起始時間和結束時間對待測狀態數據進行測試； d、影響因素重要性排序，利用人工神經可以計算變量重要性計算出各個指標的影響程度，并進行重要性排序； e、擴展模型，根據BP算法，對實際數據進行分析，把數據分成故障、正常和臨界三類。
【專利摘要】本發明公開了一種基于人工神經的供電線路保護方法，其特征在于，采集供電線路狀態檢修數據，利用供電線路狀態檢修數據訓練人工神經模型，并校驗人工神經模型的靈敏度，以經訓練校驗后的人工神經模型來診斷供電線路故障。本發明的有益效果在于：1、本發明可以給出影響變量的重要性排序，故障診斷結果具有良好的可解釋性。2、本發明利用BP算法，分離出了介于正常和故障之間的臨界類，使系統獲得了故障的早期預警能力。
【IPC分類】G01R31/00
【公開號】CN105629091
【申請號】CN201410588175
【發明人】薛雙勛, 蔡戰清
【申請人】國家電網公司, 修武縣電業公司
【公開日】2016年6月1日
【申請日】2014年10月29日