CN102005743A - 基于径向基神经网络的自适应继电保护装置 - Google Patents
基于径向基神经网络的自适应继电保护装置 Download PDFInfo
- Publication number
- CN102005743A CN102005743A CN2010105590365A CN201010559036A CN102005743A CN 102005743 A CN102005743 A CN 102005743A CN 2010105590365 A CN2010105590365 A CN 2010105590365A CN 201010559036 A CN201010559036 A CN 201010559036A CN 102005743 A CN102005743 A CN 102005743A
- Authority
- CN
- China
- Prior art keywords
- fault
- unit
- neural net
- self adaptation
- radial base
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明提供一种基于径向基神经网络的自适应继电保护装置,用于电力系统的继电保护,该装置包括:控制核心单元,数据采集系统单元,故障识别单元,出口控制单元,通信接口单元,液晶显示单元,该装置具有判断复杂故障的能力,使诊断正确率提高,大大提高继电保护的可靠性。本发明克服了传统继电保护的缺陷,能自适应地识别电力系统在各种运行方式和故障条件下的故障和故障相别,适于电力系统应用。
Description
一、技术领域:
本发明涉及电力系统输电线路的继电保护装置,是一种用于配电输电线路的微机保护装置,特别是涉及一种基于径向基神经网络的自适应继电保护装置,属于电力系统继电保护技术领域。
二、背景技术:
随着社会的迅速发展,一方面社会生产和人们生活对电力系统供电质量和可靠性的要求越来越高,为了保证系统安全、稳定和经济运行,必须提高继电保护系统的工作性能。另一方面我国电力工业在这几十年来迅猛发展,电力系统规模迅速扩大,电压等级不断提高,建立了东北、西北、华北、华东、华中、华南等大区电力网络,并且网络之间也出现了互联,以后全国所有的电力网络将互联成一个大系统,同时输电线路的电压等级还将提升,因此对继电保护的要求越来越严格。
面对如此错综复杂的电力网络和很高的供电质量要求,基于传统原理的继电保护系统己经不能满足要求,因此迫切需要进一步研究继电保护原理,提出新的继电保护方法来满足发展的电力系统的要求。
传统的继电保护也力图适应系统运行方式的变化和故障状态。例如电流速断保护的整定值,是按系统最大运行方式下,线路末端发生三相短路考虑,过电流保护是按线路的最大负荷电流考虑。这种按最严重的条件确定保护定值的方法,能保证所有可能的正常和故障条件下,保护都不会错误地切除被保护的线路,但却存在以下两点缺点:一是按上述方法设定的定值,在其它运行方式下(其中包括系统的主要运行方式)不是最佳的。二是在最小运行方式或最不利的短路条件下,保护失效或性能严重变差。同时应该指出的是,在传统保护中也有许多自适应性能,微机自适应保护根本上还是以保护基本整定公式为基础,只是使某个参数进行自适应处理,但这样使算法复杂化,需要进行很复杂的计算,从根本上还是摆脱不了整定计算的烦恼。而基于神经网络的保护不需要进行各种整定计算,只需要用已有的样本对其进行训练就可以。
三、发明内容:
1、发明目的:
本发明提供一种基于径向基神经网络的自适应继电保护装置,该装置具有判断复杂故障的能力,使诊断正确率提高,其目的是具有较强高可靠性。
2、技术方案:
本发明是通过以下技术方案来实现的:
一种基于径向基神经网络的自适应继电保护装置,用于电力系统的继电保护,其特征在于:该装置包括:
控制核心单元,用于实现对采集数据的大量数学计算,采用数字信号处理器;
数据采集系统单元,用于采集电网的电压或电流信号,包括电压互感器和电流互感器;
故障识别单元,用于识别系统故障;
出口控制单元,接到执行命令时负责动作开关或发出警告;
通信接口单元,完全独立的中断子程序,不影响系统保护功能;
液晶显示单元,用于报告前台运行管理人员获得检测量的信息和电网的运行状态。
上述基于径向基神经网络的自适应继电保护装置,以数字信号处理器DSP为装置控制核心,外围主要由数据采集系统、故障识别器、出口控制和通信接口与液晶显示等组成。
数字信号处理器:由于信号处理环节涉及到大量对采集数据的数学计算,必须采用专用的数字信号处理芯片(DSP)来实现。TMS系列DSP的体系结构是专为实时信号处理而设计的,其中16位定点 DSPTMS320LF2407是一种低功耗器件,它采用改进型哈佛结构,有1条程序总线和3条数据总线,流水线操作。
液晶显示单元:为了获得检测量的信息和电网的运行状态,需要利用液晶显示来报告前台运行管理人员,为此采用ST7920中文字型点矩阵LCD控制/驱动器所驱动的GDM12864E LCD显示屏。此LCD显示屏为20引脚封装,其工作方式可以为串行传输方式,也可以为并行传输方式,本设计采用并行传输方式。
通信接口单元:通信模块是一个完全独立的中断子程序,它的去留并不影响系统的保护功能。当该模块被激活时,系统即处于联网通信模式,从而可以在一定范围内构成一个网络化的继电保护系统。
故障识别单元:对于故障识别系统,需选用具有在片学习功能的神经网络芯片,即将网络训练所需的反馈电路及权值存储、计算和修正电路都集成在了一个芯片,形成全硬件的、具有自学习能力的神经网络系统,。
出口控制单元:当中央处理器发出执行命令时,该模块负责动作开关或发出警告等。
3、优点及效果:
本发明提出的一种基于径向基神经网络的自适应继电保护装置,有益效果为:
传统保护采用离线整定方式确定保护定值,由于系统结构复杂、需考虑的运行方式众多,难以兼顾灵敏性和选择性的要求,无法保证定值性能始终处于最佳状态。且离线整定模式下的定值修改需依靠人工完成,存在安全隐患。而神经网络是近年来得到广泛关注的一种非线性建模预报技术,它具有自组织、自学习、自适应和非线性处理、并行处理、信息分布存储、容错能力强等特性。本发明应用神经网络来进行故障识别具有判断复杂故障的能力,动作更准确,使保护具有更高的可靠性。
四、附图说明:
图1为本发明总体逻辑结构框图;
图2为本发明 ZISC神经网络结构图;
图3为本发明 DSP与ZISC78连接图;
图4为本发明 DSP与液晶显示连接图;
图5为本发明DSP处理流程图。
五、具体实施方式:
一种基于径向基神经网络的自适应继电保护装置,用于电力系统的继电保护,如图1中所示,该装置包括:
控制核心单元,用于实现对采集数据的大量数学计算,采用数字信号处理器;
数据采集系统单元,用于采集电网的电压或电流信号,包括电压互感器和电流互感器;
故障识别单元,用于识别系统故障;
出口控制单元,接到执行命令时负责动作开关或发出警告;
通信接口单元,完全独立的中断子程序,不影响系统保护功能;
液晶显示单元,用于报告前台运行管理人员获得检测量的信息和电网的运行状态。
本发明所述的这种基于径向基神经网络的自适应继电保护装置,以数字信号处理器DSP为装置控制核心,外围主要由数据采集系统、故障识别器、出口控制和通信接口与液晶显示等组成。
数字信号处理器:由于信号处理环节涉及到大量对采集数据的数学计算,必须采用专用的数字信号处理芯片(DSP)来实现。TMS系列DSP的体系结构是专为实时信号处理而设计的,其中16位定点 DSPTMS320LF2407是一种低功耗器件,它采用改进型哈佛结构,有1条程序总线和3条数据总线,流水线操作。
液晶显示单元:为了获得检测量的信息和电网的运行状态,需要利用液晶显示来报告前台运行管理人员,为此采用ST7920中文字型点矩阵LCD控制/驱动器所驱动的GDM12864E LCD显示屏。此LCD显示屏为20引脚封装,其工作方式可以为串行传输方式,也可以为并行传输方式,本设计采用并行传输方式。
通信接口单元:通信模块是一个完全独立的中断子程序,它的去留并不影响系统的保护功能。当该模块被激活时,系统即处于联网通信模式,从而可以在一定范围内构成一个网络化的继电保护系统。
故障识别单元:对于故障识别系统,需选用具有在片学习功能的神经网络芯片,即将网络训练所需的反馈电路及权值存储、计算和修正电路都集成在了一个芯片,形成全硬件的、具有自学习能力的神经网络系统。
出口控制单元:当中央处理器发出执行命令时,该模块负责动作开关或发出警告等。
下面结合附图对本发明做进一步的说明:
如图1中所示,本装置互感器或传感器获得电网电压电流信号,送入DSP数字处理器通过 A/D转换成数字信号,进行分类的计算和数据处理,将处理后数据送入故障识别器进行故障识别判断,DSP产生报告及扰动数据经过通信口送到外界,液晶显示与前台运行管理人员报告检测量的信息和电网的运行状态,由出口控制来发出警告或动作等命令。电压互感器和电流互感器分别选用JDG-0.5 800/100型号和LZJC-10Q 1500/5型号。采用TMS320LF2407型专用数字信号处理芯片(DSP)来实现对大量采集数据的计算。对于故障识别系统,选用具有在线学习功能的神经网络芯片,即将网络训练所需的反馈电路及权值存储、计算和修正电路都集成在了一个芯片,形成全硬件的、具有自学习能力的神经网络系统,利用RBF神经网络来完成模式识别问题。通信接口采用了RS232接口形式。采用GDM12864E LCD显示屏。如图4中所示,8位并行数据引脚DB0~DB7分别与DSP的DS8~DS15相连,显示屏控制引脚RS,RW和E引脚分别与DSP的通用I/O口相连。在系统正常工作时,DSP每个周期刷新显示当前测得的电压和电流值,而当出现故障时,闪烁显示报警并给出故障识别器输出的故障类型。
如图2 中所示,ZISC78内部神经网络的结构图,它与DSP之间的通信采用SPI方式。DSP对故障电流信号进行处理数据作为RBF神经网络的输入,考虑到训练样本的完备,故障识别器需要几片ZISC78进行级联。ZISC78是由IBM公司和silicon联合研制的一种低成本、在线学习、专门用于各种模式识别矢量分类的集成电路。它的主频为33MHz、标准直流5V电源供电,内部含有78个神经元。ZISC78神经网络结构可以看出,所有神经元均通过“片内通信总线”进行通信,以实现网络内所有神经元的“真正”并行操作,“片内通信总线”允许若干个ZISC78芯片进行连接以扩大神经网络的规模,而这种操作不影响网络性能,ZISC78片内有6 bit地址总线和16 bit数据总线,其中数据总线用于传输矢量数据、矢量类型、距离值和其它数据。ZISC78神经网络结构内部在状态控制寄存器与逻辑电路之间连接有78个ZISC神经元。
如图3中所示,通过DSP将故障信号的特征信息提取之后,需要利用故障识别器来获得故障类型代码并送回DSP进行译码显示。这里DSP的数据线D0-D15是转换后的16位转换结构送入ZISC78的D0-D15。GND:接地端; CLK:串行时钟输入;VDD电源端; DSP为TI公司的TMS320VC5402系列定点型数字信号处理器,时钟频率是100MHz。ZISC78的操作包括初始化,矢量数据传播,识别分类三部分。其中初始化包括复位过程和清除过程;矢量数据传播主要完成输入的矢量数据与神经元存储的原型之间的范数计算;识别分类过程将按照RBF算法,自动增加或减小神经元个数以适应输入信号的识别功能,在全局寄存器组中可以设定神经元个数的最大和最小值。
如图5中所示,DSP处理流程为,DSP程序主要完成对共享存储器的读入和数据处理,显示。DSP同时要完成液晶的刷新显示,它包括显示系统正常工作状态下的电压,电流,以及故障发生时经故障识别后的故障类型。本发明开始工作后,数据采集系统单元即电压互感器或电流互感器分别读入A、B、C三相采样数据,若输电线路发生故障,则读入故障数据,进行故障特征提取,由故障识别器对故障进行识别,在液晶显示器LCD上显示故障信息;若输电线路没有故障,则将采样值与之前最大的采用值进行比较,将较大值存储并转化为有效值,然后进行采样,若采样一个周期,将采样结果送LCD显示,并清除存储单元;若采样为一个周期以上,则返回重新开始整个流程。
本发明基于人工神经网络技术,实现输电线路的自适应保护。该保护通过对被保护线路的电压、电流的特征量的学习,能自适应地识别输电线路在各种运行方式和故障条件下的故障和故障相别,克服了传统继电保护的缺陷。
Claims (6)
1.一种基于径向基神经网络的自适应继电保护装置,用于电力系统的继电保护,其特征在于:该装置包括:
控制核心单元,用于实现对采集数据的大量数学计算,采用数字信号处理器;
数据采集系统单元,用于采集电网的电压或电流信号,包括电压互感器和电流互感器;
故障识别单元,用于识别系统故障;
出口控制单元,接到执行命令时负责动作开关或发出警告;
通信接口单元,完全独立的中断子程序,不影响系统保护功能;
液晶显示单元,用于报告前台运行管理人员获得检测量的信息和电网的运行状态。
2.根据权利要求1所述的基于径向基神经网络的自适应继电保护装置,其特征在于:所述数字信号处理单元为数字信号处理器TMS320LF2407。
3.根据权利要求1所述的基于径向基神经网络的自适应继电保护装置,其特征在于:所述故障识别单元为具有自学习功能的神经网络芯片故障识别器ZISC78,在状态控制寄存器与逻辑电路之间连接有78个ZISC神经元。
4.根据权利要求1、2或3所述的基于径向基神经网络的自适应继电保护装置,其特征在于:数字信号处理器与故障识别器之间的通信采用SPI方式。
5.根据权利要求1所述的基于径向基神经网络的自适应继电保护装置,其特征在于:所述液晶显示单元为并行传输方式。
6.根据权利要求1所述的基于径向基神经网络的自适应继电保护装置,其特征在于:所述通信接口单元的通信模块被激活时,系统处于联网通信模式,能够在一定范围内构成一个网络化的继电保护系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105590365A CN102005743A (zh) | 2010-11-25 | 2010-11-25 | 基于径向基神经网络的自适应继电保护装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105590365A CN102005743A (zh) | 2010-11-25 | 2010-11-25 | 基于径向基神经网络的自适应继电保护装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102005743A true CN102005743A (zh) | 2011-04-06 |
Family
ID=43812893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105590365A Pending CN102005743A (zh) | 2010-11-25 | 2010-11-25 | 基于径向基神经网络的自适应继电保护装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102005743A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390198A (zh) * | 2013-07-15 | 2013-11-13 | 温州大学 | 一种用于电力网络故障诊断的社团自组织检测方法 |
CN106355249A (zh) * | 2016-08-29 | 2017-01-25 | 国网江苏省电力公司电力科学研究院 | 一种基于bp神经网络的继电保护设备状态识别方法 |
CN106856322A (zh) * | 2017-01-18 | 2017-06-16 | 三峡大学 | 一种基于神经网络的柔性直流配电网智能保护系统 |
CN107800405A (zh) * | 2017-12-05 | 2018-03-13 | 中国医学科学院生物医学工程研究所 | 基于fpga设计的径向基函数神经网络自适应增强器模块 |
CN110610236A (zh) * | 2017-10-30 | 2019-12-24 | 上海寒武纪信息科技有限公司 | 一种用于执行神经网络运算的装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1805234A (zh) * | 2005-12-21 | 2006-07-19 | 长沙理工大学 | 网络环境下基于模式匹配的电力系统继电保护信息安全防护方法 |
CN201887446U (zh) * | 2010-11-25 | 2011-06-29 | 沈阳工业大学 | 一种基于径向基神经网络的自适应继电保护装置 |
-
2010
- 2010-11-25 CN CN2010105590365A patent/CN102005743A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1805234A (zh) * | 2005-12-21 | 2006-07-19 | 长沙理工大学 | 网络环境下基于模式匹配的电力系统继电保护信息安全防护方法 |
CN201887446U (zh) * | 2010-11-25 | 2011-06-29 | 沈阳工业大学 | 一种基于径向基神经网络的自适应继电保护装置 |
Non-Patent Citations (2)
Title |
---|
杨洪,李碧君: "基于神经网络的继电保护系统的故障检测", 《重庆电力高等专科学校学报》, vol. 9, no. 3, 30 September 2004 (2004-09-30), pages 5 - 9 * |
袁征: "基于电子式传感器电力系统短路故障识别研究", 《中国优秀硕士论文全文数据库》, 26 August 2008 (2008-08-26) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390198A (zh) * | 2013-07-15 | 2013-11-13 | 温州大学 | 一种用于电力网络故障诊断的社团自组织检测方法 |
CN103390198B (zh) * | 2013-07-15 | 2016-05-18 | 温州大学 | 一种用于电力网络故障诊断的社团自组织检测方法 |
CN106355249A (zh) * | 2016-08-29 | 2017-01-25 | 国网江苏省电力公司电力科学研究院 | 一种基于bp神经网络的继电保护设备状态识别方法 |
CN106355249B (zh) * | 2016-08-29 | 2019-03-19 | 国网江苏省电力公司电力科学研究院 | 一种基于bp神经网络的继电保护设备状态识别方法 |
CN106856322A (zh) * | 2017-01-18 | 2017-06-16 | 三峡大学 | 一种基于神经网络的柔性直流配电网智能保护系统 |
CN110610236A (zh) * | 2017-10-30 | 2019-12-24 | 上海寒武纪信息科技有限公司 | 一种用于执行神经网络运算的装置 |
US11922132B2 (en) | 2017-10-30 | 2024-03-05 | Shanghai Cambricon Information Technology Co., Ltd. | Information processing method and terminal device |
CN107800405A (zh) * | 2017-12-05 | 2018-03-13 | 中国医学科学院生物医学工程研究所 | 基于fpga设计的径向基函数神经网络自适应增强器模块 |
CN107800405B (zh) * | 2017-12-05 | 2021-02-26 | 中国医学科学院生物医学工程研究所 | 基于fpga设计的径向基函数神经网络自适应增强器电路 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101281229B (zh) | 配电网配电线路故障定位系统 | |
CN102005743A (zh) | 基于径向基神经网络的自适应继电保护装置 | |
CN203981853U (zh) | 一种蓄电池在线监测系统 | |
CN103135038A (zh) | 直流系统交流串电及绝缘故障监测选线方法 | |
CN203241494U (zh) | 直流系统交流串电及绝缘故障监测选线装置 | |
CN208459507U (zh) | 避雷器在线监控系统 | |
CN107526044A (zh) | 一种通信蓄电池遥测数据采集监控方法及系统 | |
CN111131237A (zh) | 基于bp神经网络的微网攻击识别方法及并网接口装置 | |
CN108389002A (zh) | 一种基于n-1严重故障集的多重故障生成方法 | |
CN206773058U (zh) | Opgw在线监测系统 | |
CN201887446U (zh) | 一种基于径向基神经网络的自适应继电保护装置 | |
CN202888785U (zh) | 特高压输电线路单相自动重合闸控制装置 | |
CN105699927A (zh) | 直流系统绝缘监察校验装置 | |
CN102868137A (zh) | 特高压输电线路单相自动重合闸控制装置及方法 | |
CN205539277U (zh) | 一种输电线路避雷器健康状态在线监测装置 | |
CN107192944A (zh) | 一种带继电保护的断路器监测装置 | |
CN109886538A (zh) | 基于动态监测数据的铁路信号设备质量评价方法及装置 | |
CN214622998U (zh) | 利用5g通信含有边缘计算的台区智能感知终端 | |
CN113555958B (zh) | 一种智能电力服务器和电力保护测控系统 | |
CN203941236U (zh) | 接地电阻在线监测仪 | |
CN207542881U (zh) | 变电站交直流系统故障远程监控设备 | |
CN200976483Y (zh) | 单相接地故障在线选线保护装置 | |
CN207066526U (zh) | 一种物联网水表装置 | |
CN206517044U (zh) | 一种三相异步电动机保护装置 | |
CN205404677U (zh) | 一种带有实时时钟的用电检查终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110406 |