双径向基神经网络用于电力传输线故障诊断研究.pdfVIP

维普资讯 2008年第 1期 《贵州电力技术》 (总第 103期) 口专题研讨 双径向基神经网络用于电力传输线故障诊断研究 贵州电力试验研究院 徐长宝 [550005] 摘 要 提出了一种利用概率径向基神经网络和规一化径向基神经网络，构成智能故障诊断系统，进行电力传输 线故障分类和故障定位的方法。同时，故障分类的结果加入到规一化径向基神经网络的输入矢量 中，提高了故障 定位结果的精确度 ，并且能够判断故障分类的正确性，从而提高了故障诊断系统的可靠性能。用所提出的方法进 行电力输电线的短路故障诊断仿真测试表明，所提出的方法是可行、有效的。 关键词 概率径向基神经网络 规一化径向基神经网络 电力传输线 故障诊断 加训练的总样本数 ，而概率网络的隐层单元数等于 1 引言 参加训练的总样本数。 在 电力系统故障诊断中，输 电线的故障识别和 b、径向基网络的隐层至输出层之间的连接权 定位是非常重要的内容。利用现有的、传统的继电 需要反复训练至输出误差代价函数达到一定值，才 保护原理进行故障的分类和定位，方法复杂，准确度 能形成各个类别模式问的判别面。而概率网络的隐 低，已经不能适应现代电力系统故障诊断的需要。 层至输 出层之间的连接权无需训练，不同类别模式 智能型故障诊断方法及其系统的开发和研制是当前 问的判别面由类别模式的条件概率密度决定。 一 个主要的发展趋势。 c、径向基网络需要外监督信号来监督训练，而 神经网络技术是人工智能领域 内，一个十分引 概率网络不需要外监督信号，仅靠类别属性标记进 人注 目的研究领域。神经网络具有很强的非线性映 行 自监督(self—supervised)分类。 射、分布存储、并行处理、自组织和 自学习能力，不需 d、径向基网络的输出不但与属于本类别的样 要检测对象的数学模型，具有较强的抗噪性、鲁棒性 本特性有关，而且还与其它类别的样本特性有关，即 和容错性等特点，在模式识别、分类方面可以广泛应 径向基网络考虑 了不同类别模式间的交错影响。而 用。电力传输线的故障识别和定位实质上是模式识 概率网络的输出与其他类别的样本特性无关。这说 别、分类和函数逼近的问题。本文利用线路两端母 明，概率网络没有考虑到样本的总体分布特性，即没 线故障电压，经过数据处理，将故障特征值作为改进 有考虑不同类别模式问的交错影响。所 以径向基神 的概率径向基神经网络的输入信号，进行故障分类； 经网络整体性能较好，但需要较长的训练时间；概率 将低通滤波信号及故障分类结果作为规一化径向基 神经网络无需训练时间，但性能有限。 神经网络的输入，进行故障定位。 xI 2 径向基神经网络 ¨’ X2 p(xl1) 一 般将采用径向基函数作为作用函数的神经网 络，称为径向基函数神经网络(或简称径向基神经网 络，RBF—NN)。本文所采用的径 向基神经网络是概 p(xIC) 率径向基神经网络 (PRBF—NN)和规一化径向基神 经网络(NRBF—NN)，其中PRBF—NN适用于解决分 类问题，NRBF—NN适用于解决函数逼近问题。 输入层 隐台层 输出层 2．1 概率径向基神经网络 l4l5