CN105629091A - 一种基于人工神经的供电线路保护方法 - Google Patents

Abstract

本发明公开了一种基于人工神经的供电线路保护方法，其特征在于，采集供电线路状态检修数据，利用供电线路状态检修数据训练人工神经模型，并校验人工神经模型的灵敏度，以经训练校验后的人工神经模型来诊断供电线路故障。本发明的有益效果在于：1、本发明可以给出影响变量的重要性排序，故障诊断结果具有良好的可解释性。2、本发明利用BP算法，分离出了介于正常和故障之间的临界类，使系统获得了故障的早期预警能力。

Description

一种基于人工神经的供电线路保护方法

技术领域

本发明涉及一种基于人工神经的供电线路保护方法。

背景技术

人工神经网络(AartificialNeuralNetwork，下简称ANN)是模拟生物神经元的结构而提出的一种信息处理方法。早在1943年，已由心理学家WarrenS.Mcculloch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。ANN之所以受到人们的普遍关注。

经训练的ANN适用于利用分析振动数据对机器进行监控和故障检测，预测某些部件的疲劳寿命。非线形神经网络补偿和鲁棒控制综合方法的应用(其鲁棒控制利用了变结构控制或滑动模控制)，在实时工业控制执行程序中较为有效。人工神经网络(ANN)和模糊逻辑(FuzzyLogic)的综合，实现了电动机故障检测的启发式推理。因此，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理论在电力系统中的应用具有很大的潜力，目前已涉及到如暂态，动稳分析，负荷预报，机组最优组合，警报处理与故障诊断，配电网线损计算，发电规划，经济运行及电力系统控制等方面。

发明内容

本发明要解决的技术问题是提供一种基于人工神经的供电线路保护方法。

本发明是通过以下技术方案来实现：

一种基于人工神经的供电线路保护方法，采集供电线路状态检修数据，利用供电线路状态检修数据训练人工神经模型，并校验人工神经模型的灵敏度，以经训练校验后的人工神经模型来诊断供电线路故障。

进一步，该方法包括以下步骤：

1）建立模型，根据供电线路状态检测的历史数据训练人工神经，建立故障诊断的人工神经模型，随着新样本的不断增加，通过加入新样本进行训练，可以重新建模；

b、检验模型，选择起始时间和结束时间进行结果对比，得出预测效果；

c、故障诊断，选择起始时间和结束时间对待测状态数据进行测试；

d、影响因素重要性排序，利用人工神经可以计算变量重要性计算出各个指标的影响程度，并进行重要性排序；

e、扩展模型，根据BP算法，对实际数据进行分析，把数据分成故障、正常和临界三类。考虑到正常数据中实际上有部分数据是处在正常与故障的临界状况，因此如把数据分成故障、临界和正常三个类，那么既可减弱原先两类数据不平衡的现象，又可通过对临界类的判断，提高故障诊断系统的可靠性和预警能力。

本发明的有益效果在于：

1、本发明可以给出影响变量的重要性排序，故障诊断结果具有良好的可解释性。

2、本发明利用BP算法，分离出了介于正常和故障之间的临界类，使系统获得了故障的早期预警能力。

具体实施方式

下面结合实施例对本发明作进一步说明：

一种基于人工神经的供电线路保护方法，采集供电线路状态检修数据，利用供电线路状态检修数据训练人工神经模型，并校验人工神经模型的灵敏度，以经训练校验后的人工神经模型来诊断供电线路故障。

进一步，该方法包括以下步骤：

1）建立模型，根据供电线路状态检测的历史数据训练人工神经，建立故障诊断的人工神经模型，随着新样本的不断增加，通过加入新样本进行训练，可以重新建模；

b、检验模型，选择起始时间和结束时间进行结果对比，得出预测效果；

c、故障诊断，选择起始时间和结束时间对待测状态数据进行测试；

d、影响因素重要性排序，利用人工神经可以计算变量重要性计算出各个指标的影响程度，并进行重要性排序；

e、扩展模型，根据BP算法，对实际数据进行分析，把数据分成故障、正常和临界三类。考虑到正常数据中实际上有部分数据是处在正常与故障的临界状况，因此如把数据分成故障、临界和正常三个类，那么既可减弱原先两类数据不平衡的现象，又可通过对临界类的判断，提高故障诊断系统的可靠性和预警能力。

例如：当供电线路故障时，供电线路各相、各序电压、电流也随之发生变化，特别是故障后故障相的相电压和相电流，以及接地系统在接地故障的零序电流的变化有明显的代表性。所以，我们选择这5个输出变量作为样本。选输入层神经元个数为14个，分别是Uar，Uai，Ubr，Ubi，UcrUci，Iai，Ibr，Ibi，Icr，Ici，Ior，Ioi(下标r和i分别代表实部与虚部)，这5个输出变量完全满足线路方向保护的需求(没考虑正向超越)，隐含层神经元数目为2N+1(N为输入层神经元数目)。训练样本集包含14个输入变量和5个输出变量，而测试样本集中的样本则只有14个输入变量，选定输出层神经元个数为5个：YA(A相)，YB(B相)，YC(C相)，YO(接地)，YF(方向)，各输出值为“与”，代表正常；输出值为“非”，代表故障，输出值为“或”，代表临界。那么既可减弱原先正常和故障两类数据不平衡的现象，又可通过对临界类的判断，提高故障诊断系统的可靠性和预警能力。

以上是对本发明做的示例性描述，凡在不脱离本发明核心的情况下做出的简单的变形或修改均落入本发明的保护范围。

Claims (2)

1.一种基于人工神经的供电线路保护方法，其特征在于，采集供电线路状态检修数据，利用供电线路状态检修数据训练人工神经模型，并校验人工神经模型的灵敏度，以经训练校验后的人工神经模型来诊断供电线路故障。

2.根据权利要求1所述的一种基于人工神经的供电线路保护方法，其特征在于，该方法包括以下步骤：

1）建立模型，根据供电线路状态检测的历史数据训练人工神经，建立故障诊断的人工神经模型，随着新样本的不断增加，通过加入新样本进行训练，可以重新建模；

b、检验模型，选择起始时间和结束时间进行结果对比，得出预测效果；

c、故障诊断，选择起始时间和结束时间对待测状态数据进行测试；

d、影响因素重要性排序，利用人工神经可以计算变量重要性计算出各个指标的影响程度，并进行重要性排序；

e、扩展模型，根据BP算法，对实际数据进行分析，把数据分成故障、正常和临界三类。