刍论人工智能技术在电力系统继电保护中应用.docVIP

刍论人工智能技术在电力系统继电保护中应用 　　摘要：本文主要探讨了人工智能技术在电力系统继电保护中的应用，就相关的问题进行了研究，希望对今后的工作和研究有所借鉴。 关键词：人工智能技术；电力系统；继电保护 中图分类号：F407.61 文献标识码：A 文章编号： 1暂态保护 随着对人工智能技术在继电保护领域的深人研究,相继出现了用人工神经网络来实现故障类型的判别、故障距离的确定、方向保护、主设备保护;用小波理论的数学手段分析故障产生信号的整个频带的信息并用于实现故障检测。这些人工智能技术不仅为提高故障判别精确度提供了手段,而且能够使一些基于单一工频信号的传统算法难以识别的间题得到解决。然而目前为止,人工智能的应用还没有能够提供取代传统保护的新的原理,而且这些方法的应用同样受传感器频宽的限制,其结果往往是通过复杂的计算和繁琐的工作只能换取故障识别的准确度或可靠性的一点提高。通过检测故障暂态产生的高频信号来实现传输线及电力设备等的保护:“是新一代的电力系统继电保护思想,简称“暂态保护”。故障暂态产生的信号中含有大量的信息,其中包括故障的类型、方向、位置、持续时间等。这些信息贯穿于信号的整个频域,从直流、工频到高频。在基于工频的传统保护方式中,故障产生的高频量被当作于扰滤掉,大量的研究工作用在设计滤掉高频信号的滤波器上。“暂态保护”首先通过特殊设计的高频检测装置及算法来从故障暂态中提取所需的高频信号,利用专门设计的快速信号处理算法来判断故障。微处理机技术的发展使得暂态保护的实现成为可能。 摆开情况下发生经过渡电阻的短路就是一非线性问题,距离保护很难正确作出故障位置的判别,从而造成误动或拒动;如果用神经网络方法,经过大量故障样本的训练,只要样本集中充分考虑了各种情况,则在发生任何故障时都可正确判别。提出拥有限脉冲相应(finiteimpulseresponse)ANN构造单相和三相变压器的差动保护,这种ANN模型适于处理瞬时信号,研究了3种结构:第一种用于检测单相变压器的内部故障;第2种用于检测三相变压器的内部故障;第3种由一组第1种结构的ANN组成,用于检测三相变压器的内部故障。在分析BP算法缺点的基础上,提出了一种变结构神经网络的最大值算法,通过简化训练过程,加快网络收敛和诊断推理速度,从而提高故障识别率,实现故障的自动诊断和智能化综合保护。需要指出,神经网络方法虽然有利于克服专家系统的知识获取瓶颈、知识库维护困难等问题,但它不适于处理启发性知识。而且,由于ANN技术本身不够完备,它的学习速度慢,训练时间长以及解释功能弱,从而影响了神经网络的实用化。其它如遗传算法、进化规划等也都有其独特的求解复杂问题的能力。将这些人工智能方法适当结合可使求解速度更快。天津大学从1996年起进行神经网络式继电保护的研究,已取得初步成果。 3人工神经网络型继电保护 人工神经网络(ANN)是模拟人脑组织结构和人类认知过程的信息处理系统。早在1943年,已由心理学家WarrenS.Meeulloeh和数学家WalthH.Pitts提出神经元数学模型,后被冷落了一段时间,80年代又迅猛兴起〔,飞。ANN之所以受到人们的普遍关注,是由于它具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型算法(BP算法),它的网络结构及算法直观、简单,在工业领域中应用较多。对于电力系统这个存在着大量非线性的复杂大系统来讲,ANN理论在电力系统继电保护中的应用具有很大的潜力,很多难以列出方程式或难以求解的复杂的非线性问题,应用神经网络方法则可迎刃而解。例如在输电线两侧系统电势角度 4模糊理论 1965年,美国学者L.A.Zadeh在“Informatio-nandConirol’,上首先提出了模糊集合的概念,其论文“FuzzySets”开创了模糊数学及其应用的新纪元。在模糊理论发展的初期,它在电力系统中的应用是十分有限的,这主要是因为电力系统的工程师首先考虑的是电力系统的可靠性,对模糊逻辑还持有怀疑态度。但随着这一理论的不断发展完善,它在电力系统中的应用领域也越来越广泛,华北电力大学杨奇逊教授提出在特征层次上模拟人脑识别事物的方法来识别电气量的特征。人类认识事物的过程是在特征层次上对事物进行分类和识别,并不需要复杂、精确的计算。模糊模式识别为进行这类特征识别提供了有效的工具。微机保护正是在这一点上模拟人类识别事物的特征,辨别和区分不同的对象,最终通过原理上的智能化实现更高的性能。用模糊理论构造变压器保护原理,以区别内部故障、涌流、过激以及电流互感器饱和情况下的外部故障。选取变压器原、副边的电流为特征量,根据EMTP程序得到的仿真结果,采用统计方法得到模糊规则。之后