基于人工神經(jīng)網(wǎng)絡(luò)方法的微機變壓器保護

1、 基于人工神經(jīng)網(wǎng)絡(luò)方法的微機變壓器保護 長期以來，縱聯(lián)差動保護一直被公識為電力變壓器最完善的主保護，在電力系統(tǒng)中得到了廣泛應(yīng)用，它通過比較已折算到變壓器同一基準(zhǔn)值的兩側(cè)電流向量的相位及幅值來判別是否發(fā)生內(nèi)部故障。但是，當(dāng)變壓器空載合閘或外部故障切除后電壓恢復(fù)時，在變壓器一側(cè)可能產(chǎn)生峰值很大、波形嚴重畸變的勵磁涌流。勵磁涌流的出現(xiàn)，干擾著差動保護的正確工作。目前，在系統(tǒng)中配置的變壓器保護，主要是采用二次諧波制動原理和電流間斷角原理來識別勵磁涌流的存在。由于間斷角原理對硬件要求高，實現(xiàn)較困難，在微機變壓器差動保護中，采用二次諧波制動原理較多。該原理通過比較差動電流中的二次諧波與基波之比值的大小來閉

2、鎖差動保護，這在原理上存在著一定的缺陷。另外，由于CT飽和、無功補償用的并聯(lián)電容或超高壓長輸電線的分布電容的緣故,在變壓器發(fā)生內(nèi)部故障時也會產(chǎn)生很大的諧波。而在現(xiàn)代變壓器中，由于改進的鐵心飽和特性，變壓器勵磁涌流中的所有諧波的百分比都可能明顯地降低。因此，如何有效而準(zhǔn)確地識別勵磁涌流的存在這一問題更為突出，迫切需要研究采用各種新原理和新方法的變壓器保護。 人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的基本元件神經(jīng)元（neuron）相互連接而成的自適應(yīng)非線性動態(tài)系統(tǒng)。一個簡單的神經(jīng)元處理器(NPU)能夠處理非常簡單的模式識別問題,但是遇到復(fù)雜情形,還需多層前向神經(jīng)網(wǎng)絡(luò)來處理。神經(jīng)網(wǎng)絡(luò)中的各個神經(jīng)元的閉值及各層神經(jīng)元

3、之間的聯(lián)接權(quán)值可通過對正常狀態(tài)、各種非正常工作狀態(tài)和各種故障狀態(tài)等大量的樣本進行訓(xùn)練的過程來確定,以便該神經(jīng)網(wǎng)絡(luò)在變壓器發(fā)生故障時能夠迅速識別和處理。由于它應(yīng)用大量的運行參數(shù)進行識別,因而具有很大的容錯能力。 隨著人工神經(jīng)網(wǎng)絡(luò)方法在電力系統(tǒng)中日益廣泛的應(yīng)用，使新的微機變壓器保護方法的產(chǎn)生成為可能。本文的目的就是基于人工神經(jīng)網(wǎng)絡(luò)方法,提出并建立一種新的微機變壓器保護原理。該方法利用變壓器兩端的電流采樣值,對它們進行數(shù)據(jù)預(yù)處理后,結(jié)合變壓器發(fā)生各種故障時的特征,考慮到神經(jīng)網(wǎng)絡(luò)本身所具有的自學(xué)習(xí)、自組織、自適應(yīng)及容錯能力等優(yōu)點,建立一個三層前向神經(jīng)網(wǎng)絡(luò)模型,并對此模型進行大量的樣本訓(xùn)練,使之對變壓器

4、的勵磁涌流狀態(tài)和各種故障狀態(tài)能夠給出正確的識別。本文所提出的方法綜合考慮了勵磁涌流的各種特征,克服了在常規(guī)微機變壓器保護中解決此問題所遇到的困難。 基于人工神經(jīng)網(wǎng)絡(luò)方法的微機變壓器保護為了使本文所提出的神經(jīng)網(wǎng)絡(luò)式變壓器保護能夠正確判斷出變壓器的內(nèi)、外部故障,同時在空載合閘或外部故障切除后電壓恢復(fù)時,產(chǎn)生的勵磁涌流或在變壓器發(fā)生過激磁情況時,保護不誤動作,需要綜合考慮發(fā)生這些情況下變壓器所表現(xiàn)出來的各種特征,對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,從而使之學(xué)會正確判斷與處理。本文所提出的神經(jīng)網(wǎng)絡(luò)式保護軟件的建立按以下過程進行:（1）神經(jīng)網(wǎng)絡(luò)輸入層中各節(jié)點的數(shù)目和性質(zhì)的確定;（2）隱含層和輸出層節(jié)點數(shù)目的確定;（3）

5、訓(xùn)練樣本的確定;（4）對該人工神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練;（5）對已訓(xùn)練過的人工神經(jīng)網(wǎng)絡(luò)進行檢驗。上述過程是一個反復(fù)進行的過程,如果（1）、（2）中所確定的網(wǎng)絡(luò)結(jié)構(gòu)及各種參數(shù)在網(wǎng)絡(luò)訓(xùn)練過程中不能滿足要求,那么網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)就需改變,然后重新對網(wǎng)絡(luò)進行訓(xùn)練;如果在對網(wǎng)絡(luò)進行檢驗時,得到的結(jié)果不甚理想,那么網(wǎng)絡(luò)的結(jié)構(gòu)及參數(shù)仍需改變以便滿足要求,然后重新對網(wǎng)絡(luò)進行訓(xùn)練及檢驗。對輸人信號特征的提取從變壓器兩側(cè)引入的輸入信號,即三相電流,在進入神經(jīng)網(wǎng)絡(luò)之前,先對其進行特征量的提取,即經(jīng)過計算后提取出神經(jīng)網(wǎng)絡(luò)所需的輸入特征量作為其輸入層的輸入節(jié)點值。在電力變壓器中發(fā)生的故障可分為對稱故障和不對稱故障兩大類。發(fā)生不

6、對稱故障時,產(chǎn)生負序分量,故選取變壓器兩側(cè)電流的負序分量作為輸入層的節(jié)點輸入,通過比較負序向量的方向來判別變壓器所發(fā)生的故障是否為內(nèi)部故障;對于對稱故障,選取任一相電流作為輸入層的節(jié)點輸入,通過比較變壓器兩側(cè)任一相電流瞬時值的方向,來判別變壓器所發(fā)生的故障是否為內(nèi)部故障。對于在變壓器空載合閘或外部故障切除后電壓恢復(fù)時產(chǎn)生的勵磁涌流的識別,本文結(jié)合勵磁涌流的特征,如較高的諧波含量(包括二次諧波、三次諧波、五次諧波等)、波形出現(xiàn)間斷現(xiàn)象等,這里分別取變壓器差動電流中各次諧波含量(二次、三次及五次)及一次側(cè)電流的間斷角來作為輸入層的節(jié)點輸入,通過比較差動電流中各次諧波含量與基波含量的比值的大小,及一

7、次側(cè)電流的間斷角的大小,來綜合識別勵磁涌流狀態(tài)的存在,同時由于考慮了五次諧波的含量,變壓器是否處于過激磁狀態(tài)也可以加以判別。綜上所述,從變壓器兩側(cè)的三相電流中所提取出的特征量有:兩側(cè)電流向量的負序分量、兩側(cè)三相電流中任一相的瞬時值、變壓器差動電流中各次諧波含量與基波含量的比值(包括二次諧波、三次諧波及五次諧波)、一次側(cè)電流間斷角的大小。由此,輸入層由上述幾方面組成,綜合考慮后,判斷變壓器的內(nèi)部故障、外部故障及勵磁涌流、過激磁等狀態(tài)。人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定在這一部分里,給出所建立的用于微機變壓器保護的人工神經(jīng)網(wǎng)絡(luò)的層數(shù)、傳遞函數(shù)、輸入層及輸出層中節(jié)點數(shù)目的確定過程。(1)人工神經(jīng)網(wǎng)絡(luò)的層數(shù)采用一

8、個三層神經(jīng)網(wǎng)絡(luò)就可在模式空間構(gòu)成任意復(fù)雜程度的幾何圖形,從而對任意復(fù)雜的對象進行分類,因此,在本文中采用三層前向神經(jīng)網(wǎng)絡(luò)來進行微機變壓器保護。(2)傳遞函數(shù)的選取由于S形函數(shù)既具有完成分類所需的非線性特性,又具有可以微分的特性,同時,S形函數(shù)也比較接近于人腦神經(jīng)元的輸入輸出特性,具有更好的仿生效果川,因此,本文采用S形函數(shù)來作為神經(jīng)元的傳遞函數(shù)。S形函數(shù)的表達式（3）網(wǎng)絡(luò)的輸入與輸出以變壓器的兩側(cè)電流為網(wǎng)絡(luò)的輸入信號,采樣頻率為3000Hz,即采樣率N=60點/周。之所以取高達3000Hz的采樣頻率,是為了能夠從采樣瞬時值中盡量不失真地計算出高次諧波的含量,比如三次諧波和五次諧波等。為了使所建

9、立的神經(jīng)網(wǎng)絡(luò)具有一定的冗余度及容錯能力,在輸入層中每一輸入量的計算都連續(xù)進行三次;對于對稱故障的識別,取A相電流的瞬時值六個點,此時,采樣頻率取為600Hz,即采樣率N12點/周,也就是說,每隔四個采樣點取一個值。這樣做,是為了減少神經(jīng)網(wǎng)絡(luò)輸入層中節(jié)點的個數(shù),避免神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)過于復(fù)雜。經(jīng)過上面的處理,本文所建立的神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點的個數(shù)確定為21個。考慮到本文建立神經(jīng)網(wǎng)絡(luò)模型的目的就是為了判別變壓器是否處于內(nèi)部故障狀態(tài),因此,該神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點的數(shù)目確定為一個。由于該神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元采用了S形傳遞函數(shù),因而輸出層節(jié)點的理想輸出值只能趨近于1或0,而不能達到1或0。這樣,在設(shè)置各訓(xùn)練樣本的理想輸出值時，不宜設(shè)置為1或0。因此,在本文中所建立的神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點的理想值設(shè)置為0.9或0.1，當(dāng)變壓器發(fā)生內(nèi)部故障時，輸出值為0.9；否則，輸出值為0.1。人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及檢驗 為了使所建立的神經(jīng)網(wǎng)絡(luò)模型能夠?qū)崿F(xiàn)所要求的功能,必須將有關(guān)的信息存入其中,這就必須對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。在神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練時,應(yīng)盡可能地以足夠多的樣本來對其進行訓(xùn)練。訓(xùn)練樣本分別來源于:一是利用電磁暫態(tài)程序(EMTP