CN112926752A - 考虑储能系统的智能输电网故障线路检测及故障恢复方法 - Google Patents

Abstract

本发明公开了一种考虑储能系统的智能输电网故障线路检测及故障恢复方法，避开了SCADA系统，只需处理储能系统的数据即可有效识别智能输电网中的故障线路，检测出故障线路，极大的降低了故障检测所需的数据量，有效的避免了传统检测方法中对海量故障数据处理所带来的问题。同时，本发明基于分层脉冲神经膜系统分别建立了故障线路检测模型和故障恢复模型，利用分层脉冲神经膜系统对储能系统与预连接线路进行协调控制，确保在故障发生后，负荷节点的电能输出不中断，有效的解决了传统故障检测中负荷节点输电中断的问题。

Description

考虑储能系统的智能输电网故障线路检测及故障恢复方法

技术领域

本发明属于输电网故障检测技术领域，具体涉及一种考虑储能系统的智能输电网故障线路检测及故障恢复方法的设计。

背景技术

电力输电网作为电力系统的核心组成部分，承担着大容量电力的传输任务，是电能输送的物理通道，是连接发电、配电与用电等环节的重要纽带。随着技术和经济的高速发展，人类社会对电能的依赖程度越来越高，因此电力输电网一旦发生故障将会引起严重停电事故，并带来灾难性的社会影响与经济损失。因此，输电网的安全对于社会稳定与国民经济至关重要。但是受天气因素、设备寿命、系统扰动等因素影响，输电网故障的情况时有发生。因此，及时准确地检测输电网的故障情况，对保证输电网的持续可靠性供电具有重要意义。

目前，国内外学者对于输电网故障检测的研究工作主要集中于通过综合利用故障事件发生后所产生的遥测量与遥信量来提高检测方法的容错性，以求快速准确地识别故障线路。截至目前，国内外学者对专家系统、人工神经网络、Petri网、贝叶斯网络与脉冲神经膜系统(Spiking Neural P System，SNPS)等方法做了大量研究与改进。

现有研究工作在一定程度上提高了故障信息的容错能力与检测结果的正确性，而且上述故障检测方法都需要在故障发生后，快速高效地处理海量故障警报数据以准确地定位故障线路。但是随着输电网规模的日益扩大及其结构的日趋复杂，故障线路的快速识别也变得日益困难，并且故障发生后的供电中断问题也一直尚未得到有效解决。

综上所述，目前智能电网故障检测方法存在以下问题：

(1)需要在故障发生后快速高效地处理海量故障警报数据，以准确定位故障线路。

(2)在故障发生后，与故障线路相关的继电保护装置会立即切断故障线路，这将导致与故障线路相关负荷节点的供电发生中断。

发明内容

本发明的目的是为了解决现有智能输电网故障检测方法存在的上述问题，提出了一种考虑储能系统的智能输电网故障线路检测及故障恢复方法。

本发明的技术方案为：考虑储能系统的智能输电网故障线路检测及故障恢复方法，包括以下步骤：

S1、确定智能输电网负荷节点的重要等级和预连接线路，并根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量。

S2、在线监测输电网各个负荷节点所配置储能系统的储能变化，并根据监测结果以及输电网各个负荷节点的额定参数建立基于分层脉冲神经膜系统的故障线路检测模型。

S3、确定故障线路检测模型中监测神经元的点火阈值。

S4、根据点火阈值判断输电网是否存在故障线路，若是则进入步骤S5，否则返回步骤S2。

S5、查询故障线路预连接线路的条数及其相关负荷节点的运行情况，并根据查询结果建立基于分层脉冲神经膜系统的故障恢复模型。

S6、根据故障恢复模型中分层神经元的实测储能值恢复故障线路。

S7、求解故障恢复模型中监测神经元的点火情况，得到恢复供电后智能输电网的拓扑结构。

进一步地，步骤S1包括以下分步骤：

S11、确定各个负荷节点的重要等级与各个等级负荷节点所需的预连接线路数。

S12、确定各个负荷节点间预连接线路的情况。

S13、根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量：

W_i≥{[(a_i+b_i)/b_i]+2+ρ_i}b_i

其中W_i表示第i个负荷节点所配置储能系统的额定容量，a_i,b_i分别表示第i个负荷节点的额定输入值和额定输出值，ρ_i表示第i个负荷节点的预连接线路数。

进一步地，步骤S2中建立的基于分层脉冲神经膜系统的故障线路检测模型∏_Z具体为：

∏_Z＝(Ο,σ₁,...,σ_m,δ₁,...,δ_m,D₁,...,D_n,syn,in,out)

其中Ο＝{a}为单字母集合，a表示一个脉冲且其对应于电能传输或变压器与储能监测器间传输信号的单位。

σ₁,...,σ_m为故障线路检测模型∏_Z中的m个分层神经元，对应于智能输电网中m个负荷节点，并且每个分层神经元的形式为

其中：

V_i表示第i个分层神经元的容纳脉冲上限值，其取值为[0,+∞)上的实数，对应输电网第i个负荷节点所配置储能系统的额定容量W_i。

表示第i个分层神经元在D_n时刻的脉冲位势值，对应第i个负荷节点所配置储能系统在D_n时刻的储能值，其取值为[0,+∞)上的实数。

α_i,β_i分别表示第i个分层神经元的特定输入脉冲值与特定输出脉冲值，分别对应第i个负荷节点的额定输入值a_i与额定输出值b_i，两者取值均为[0,+∞)上的实数。

分别为第i个分层神经元在D_n时刻的输入脉冲值与输出脉冲值，分别对应第i个负荷节点在D_n时刻的输入功率与输出功率，其取值均为[0,+∞)上的实数。

ω_i表示第i个分层神经元的突触集合，其包括轴突-树突突触、轴突-胞体突触和轴突-轴突突触这三类突触，且分别对应智能输电网中的输电线路、储能值信号的传输线路和预连接线路。

r_i表示第i个分层神经元的点火规则，其形式为E/a^β→a^(θ,β)，其中

为点火条件，表示分层脉冲神经膜系统处于可触发时刻点D_n，且分层神经元内脉冲值θ≥β时才能执行点火规则，此时分层神经元σ_i将消耗一个位势值为β的脉冲，并产生两个新脉冲，其中一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，另一个新脉冲位势值为β，并通过轴突-树突突触传递给其突触后神经元；否则，该分层神经元不执行点火计算。

δ₁,...,δ_m为故障线路检测模型∏_Z中的m个监测神经元，对应于智能输电网中m个监测储能系统储能值的仪器，并且每个监测神经元的形式为

δ_i表示与第i个分层神经元σ_i相关联的监测神经元，其中：

γ_i表示监测神经元δ_i的点火上限值，其取值为[0,+∞)上的实数。

表示监测神经元δ_i的输入脉冲值，其取值为[0,+∞)上的实数。

表示故障线路检测模型∏_Z中监测神经元内部脉冲位势向量，

其中φ_i对应监测神经元δ_i的内部脉冲位势值，其取值为[0,+∞)上的实数。

c_i表示监测神经元δ_i点火规则和遗忘规则的有限集合，其中点火规则的形式为

其点火条件E＝{a^γ}，表示当且仅当一个监测神经元的输入脉冲值小于或等于其点火上限值γ且分层脉冲神经膜系统同时处于可点火点时，才能执行点火规则，然后产生一个单位脉冲a并立即向后传递给其所有突触后神经元，若无突触后神经元则向环境中传递单位脉冲a，在每次点火后都会在分层脉冲神经膜系统的细胞内积累一个单位脉冲a；遗忘规则的形式为E/a^φ→λ，其中λ表示空字符，执行遗忘规则后监测神经元δ_i将消耗内部所有脉冲，并产生一个空字符λ，即消耗完细胞内所有脉冲并不产生新脉冲，当点火规则不能执行时，立即执行遗忘规则。

D₁,...,D_n表示故障线路检测模型∏_Z的n个可触发时刻点，并对应于监测储能系统储能值的仪器采集数据的时间点，其中n∈[1,+∞)。

syn＝{1,2,...,m}×{1,2,...,m}表示神经元之间的有向突触连接关系。

in,out分别表示故障线路检测模型∏_Z的输入神经元集合和输出神经元集合。

进一步地，步骤S3包括以下分步骤：

S31、获取故障线路检测模型中分层神经元的实测储能值随时间变化的关系：

S32、设置负荷节点所配置储能系统的当前存储值不超过额定容量的约束条件：

S33、结合步骤S31中分层神经元的实测储能值随时间变化的关系以及步骤S32中的约束条件得到：

S34、若负荷节点的输入线路在时刻点D_n-1与D_n之间发生故障，则有：

S35、根据步骤S33和步骤S34得到的关系式，设置点火上限值γ_i＝V_i-(β_i+α_i)为监测神经元的点火阈值。

进一步地，步骤S4具体为：

依次判断每个分层神经元σ_i向监测神经元δ_i的输出脉冲值是否高于点火阈值，若是则满足点火条件，判定该分层神经元所对应负荷节点的输入线路发生故障，该负荷节点为故障线路，进入步骤S5，否则输电网不存在故障线路，返回步骤S2。

进一步地，步骤S5中建立的基于分层脉冲神经膜系统的故障恢复模型∏_H具体为：

Π_H＝(Ο,σ₁,...,σ_m,χ₁,...,χ_m,D₁,...,D_n,syn,in,out)

其中Ο＝{a}为单字母集合，a表示一个脉冲且其对应于电能传输或负荷节点与储能监测器间传输信号的单位。

σ₁,...,σ_m为故障恢复模型∏_H中的m个分层神经元，对应于智能输电网中m个负荷节点，并且每个分层神经元的形式为

其中：

V_i表示第i个分层神经元的容纳脉冲上限值，其取值为[0,+∞)上的实数，对应输电网第i个负荷节点所配置储能系统的额定容量W_i。

表示第i个分层神经元在D_n时刻的脉冲位势值，对应第i个负荷节点所配置储能系统在D_n时刻的储能值，其取值为[0,+∞)上的实数。

α_i,β_i分别表示第i个分层神经元的特定输入脉冲值与特定输出脉冲值，分别对应第i个负荷节点的额定输入值a_i与额定输出值b_i，两者取值均为[0,+∞)上的实数。

分别为第i个分层神经元在D_n时刻的输入脉冲值与输出脉冲值，分别对应第i个负荷节点在D_n时刻的输入功率与输出功率，其取值均为[0,+∞)上的实数。

ω_i表示第i个分层神经元的突触集合，其包括轴突-树突突触、轴突-胞体突触和轴突-轴突突触这三类突触，且分别对应智能输电网中的输电线路、储能值信号的传输线路和预连接线路。

r_i表示第i个分层神经元的点火规则，r_i＝(r_i',r_i”)，r_i'的形式为E/a^(β)→a^(θ,β,μ)，其中

为点火条件，分层脉冲神经膜系统处于可触发时刻点D_n，分层神经元内部脉冲值θ≥β且输入脉冲值大于α时执行点火规则r_i'，此时分层神经元σ_i将消耗一个位势值为β的脉冲，并产生三个新脉冲，其中第一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，第二个新脉冲的位势值为β，并通过轴突-树突突触传递给其突触后神经元，第三个新脉冲的位势值为μ，并通过轴突-轴突突触传递给其突触后神经元；若输入脉冲值小于或等于α，但内部脉冲值θ≥β，则此时分层神经元σ_i将执行点火规则r_i”，其形式为E/a^(β)→a^(θ,β)，此时分层神经元σ_i消耗一个位势值为β的脉冲，并产生两个新脉冲，其中一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，另一个新脉冲位势值为β，并通过轴突-树突突触传递给其突触后神经元；否则，该分层神经元不执行点火计算。

χ₁,...,χ_m为故障恢复模型∏_H中的m个监测神经元集合，

表示第i个分层神经元σ_i相关的监测神经元集合，1≤i≤m，其中δ_i→k为与第i个分层神经元σ_i相关联的第k个监测神经元，对应智能输电网中第i个负荷节点的第k个监测储能系统储能值的仪器，1≤k≤ρ_i+1，ρ_i表示第i个负荷节点的预连接线路数，且

其中：

γ_i→k表示监测神经元δ_i→k的点火上限值，其取值为[0,+∞)上的实数。

表示监测神经元δ_i→k的输入脉冲值，其取值为[0,+∞)上的实数。

φ_i→k表示监测神经元δ_i→k的内部脉冲位势值，其取值为[0,+∞)上的实数。

c_i→k表示监测神经元δ_i→k点火规则和遗忘规则的有限集合，其中点火规则的形式为

其点火条件E＝{a^γ}，表示当且仅当一个监测神经元的输入脉冲值小于或等于其点火上限值γ且分层脉冲神经膜系统同时处于可点火点时，才能执行点火规则，然后产生一个单位脉冲a并立即向后传递给其所有突触后神经元，若无突触后神经元则向环境中传递单位脉冲a，在每次点火后都会在分层脉冲神经膜系统的细胞内积累一个单位脉冲a；遗忘规则的形式为E/a^φ→λ，其中λ表示空字符，执行遗忘规则后监测神经元δ_i将消耗内部所有脉冲，并产生一个空字符λ，即消耗完细胞内所有脉冲并不产生新脉冲，当点火规则不能执行时，立即执行遗忘规则。

D₁,...,D_n表示故障恢复模型∏_H的n个可触发时刻点，并对应于监测储能系统储能值的仪器采集数据的时间点，其中n∈[1,+∞)。

syn＝{1,2,...,m}×{1,2,...,m}表示神经元之间的有向突触连接关系。

in,out分别表示故障恢复模型∏_H的输入神经元集合和输出神经元集合。

进一步地，步骤S6包括以下分步骤：

S61、当故障恢复模型∏_H中分层神经元σ_i采集到D_n时刻储能系统实测储能值

后，向监测神经元集合χ_i中的各监测神经元输出脉冲

S62、当故障发生时，监测神经元集合χ_i中的监测神经元依次点火，依次点火规则为：若第一个监测神经元δ_i→1点火，但故障未被恢复，则分层神经元σ_i对应的第二个监测神经元δ_i→2点火，以此类推直至故障被恢复。

S63、故障恢复完成后，求解故障负荷节点的监测神经元集合点火情况，若负荷节点的监测神经元δ_i→1点火而其他监测神经元未点火，则该负荷节点的第一条预连接线路启用；若负荷节点的监测神经元δ_i→1与δ_i→2点火而其他监测神经元未点火，则该负荷节点的第一条预连接线路未启用，第二条预连接线路启用，以此类推；若监测神经元集合中所有监测神经元皆点火，则负荷节点的ρ_i条预连接线路均未启用。

进一步地，监测神经元集合χ_i中的监测神经元的点火条件为：分层神经元σ_i向监测神经元的输出脉冲值高于监测神经元的点火阈值

进一步地，步骤S7包括以下分步骤：

S71、确定故障线路的监测神经元集合为

S72、令向量

φ_j的初始值均为0，1≤j≤ρ_i+1，并且

与监测神经元集合χ_i中的监测神经元

依次对应，若监测神经元δ_i→j执行点火，则其对应的φ_j→1。

S73、若向量

中第一个0元素为φ_j，则与分层神经元σ_i相连的为其第j条预连接线路，若向量

为非零向量，则所有预连接线路均未启用，以此得到恢复供电后智能输电网的拓扑结构。

本发明的有益效果是：

(1)本发明避开了SCADA系统，只需处理储能系统的数据即可有效识别智能输电网中的故障线路，检测出故障线路，因此极大的降低了故障检测所需的数据量，进而有效的避免了传统检测方法中对海量故障数据处理所带来的问题。

(2)本发明采用的分层脉冲神经膜系统不仅具有强大的信息处理与计算能力，还具备了强大的图形化逻辑表达能力，可以清晰地描述不同状态下负荷节点与储能单元之间复杂的逻辑关系。

(3)本发明利用分层脉冲神经膜系统对储能系统与预连接线路进行协调控制，确保在故障发生后，负荷节点的电能输出不中断，有效的解决了传统故障检测中负荷节点输电中断的问题。

附图说明

图1所示为本发明实施例提供的考虑储能系统的智能输电网故障线路检测及故障恢复方法流程图。

图2所示为本发明实施例提供的突尼斯西湖中心/北部城市中心的局部电力传输网络图。

图3所示为本发明实施例提供的基于分层脉冲神经膜系统的故障线路检测模型∏_Z示意图。

图4所示为本发明实施例提供的分层神经元的突触示意图。

图5所示为本发明实施例提供的负荷节点储能系统变化情况示意图。

图6所示为本发明实施例提供的基于分层脉冲神经膜系统的故障恢复模型∏_H示意图。

具体实施方式

现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。

本发明实施例提供了一种考虑储能系统的智能输电网故障线路检测及故障恢复方法，如图1所示，包括以下步骤S1～S7：

S1、确定智能输电网负荷节点的重要等级和预连接线路，并根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量。

步骤S1包括以下分步骤S11～S13：

S11、确定各个负荷节点的重要等级与各个等级负荷节点所需的预连接线路数。

本发明实施例中，根据GB-50052-2009供配电系统设计规范，在负荷节点符合下列情况之一时，应视为一级负荷节点：(1)中断供电将造成人身伤害；(2)中断供电将在经济上造成重大损失；(3)中断供电将影响重要用电单位的正常工作。

在负荷节点符合下列情况之一时，应视为二级负荷节点：(1)中断供电将在经济上造成较大损失；(2)中断供电将影响较重要用电单位的正常工作。

不属于一级负荷节点和二级负荷节点的负荷节点则应为三级负荷节点。

在本发明实施例中，为保证一级负荷节点供电的持续性，使用两条预连接线路与其相连；二级负荷节点使用一条预连接线路与其相连；三级负荷节点不使用预连接线路。

S12、确定各个负荷节点间预连接线路的情况。

本发明实施例中，若负荷节点的供电裕度u(即负荷节点输入与输出的差值)等于需要预连接线路的负荷节点的输出，则称该节点为可选预连接节点。然后找出网络中需要预连接线路的负荷节点与可选预连接节点，并排列组合出可行的连接方案，求解出连接方案中线路长度最短的方案，以确定负荷节点间预连接线路的情况。

S13、根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量：

W_i≥{[(a_i+b_i)/b_i]+2+ρi}b_i

其中W_i表示第i个负荷节点所配置储能系统的额定容量，a_i,b_i分别表示第i个负荷节点的额定输入值和额定输出值，ρ_i表示第i个负荷节点的预连接线路数。

S2、在线监测输电网各个负荷节点所配置储能系统的储能变化，并根据监测结果以及输电网各个负荷节点的额定参数建立基于分层脉冲神经膜系统的故障线路检测模型。

本发明实施例中，基于分层脉冲神经膜系统的故障线路检测模型∏_Z具体为：

∏_Z＝(Ο,σ₁,...,σ_m,δ₁,...,δ_m,D₁,...,D_n,syn,in,out)

其中Ο＝{a}为单字母集合，a表示一个脉冲且其对应于电能传输或变压器与储能监测器间传输信号的单位。

σ₁,...,σ_m为故障线路检测模型∏_Z中的m个分层神经元，对应于智能输电网中m个负荷节点，并且每个分层神经元的形式为

其中：

V_i表示第i个分层神经元的容纳脉冲上限值，其取值为[0,+∞)上的实数，对应输电网第i个负荷节点所配置储能系统的额定容量W_i。

表示第i个分层神经元在D_n时刻的脉冲位势值，对应第i个负荷节点所配置储能系统在D_n时刻的储能值，其取值为[0,+∞)上的实数。

α_i,β_i分别表示第i个分层神经元的特定输入脉冲值与特定输出脉冲值，分别对应第i个负荷节点的额定输入值a_i与额定输出值b_i，两者取值均为[0,+∞)上的实数。

分别为第i个分层神经元在D_n时刻的输入脉冲值与输出脉冲值，分别对应第i个负荷节点在D_n时刻的输入功率与输出功率，其取值均为[0,+∞)上的实数。

ω_i表示第i个分层神经元的突触集合，如图4所示，其包括轴突-树突突触、轴突-胞体突触和轴突-轴突突触这三类突触，且分别对应智能输电网中的输电线路、储能值信号的传输线路和预连接线路。

r_i表示第i个分层神经元的点火规则，其形式为E/a^β→a^(θ,β)，其中

为点火条件，表示分层脉冲神经膜系统处于可触发时刻点D_n，且分层神经元内脉冲值θ≥β时才能执行点火规则，此时分层神经元σ_i将消耗一个位势值为β的脉冲，并产生两个新脉冲，其中一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，另一个新脉冲位势值为β，并通过轴突-树突突触传递给其突触后神经元；否则，该分层神经元不执行点火计算。

δ₁,...,δ_m为故障线路检测模型∏_Z中的m个监测神经元，对应于智能输电网中m个监测储能系统储能值的仪器，并且每个监测神经元的形式为

δ_i表示与第i个分层神经元σ_i相关联的监测神经元，其中：

γ_i表示监测神经元δ_i的点火上限值，其取值为[0,+∞)上的实数。

表示监测神经元δ_i的输入脉冲值，其取值为[0,+∞)上的实数。

表示故障线路检测模型∏_Z中监测神经元内部脉冲位势向量，

其中φ_i对应监测神经元δ_i的内部脉冲位势值，其取值为[0,+∞)上的实数。

c_i表示监测神经元δ_i点火规则和遗忘规则的有限集合，其中点火规则的形式为

其点火条件E＝{a^γ}，表示当且仅当一个监测神经元的输入脉冲值小于或等于其点火上限值γ且分层脉冲神经膜系统同时处于可点火点时，才能执行点火规则，然后产生一个单位脉冲a并立即向后传递给其所有突触后神经元，若无突触后神经元则向环境中传递单位脉冲a，在每次点火后都会在分层脉冲神经膜系统的细胞内积累一个单位脉冲a；遗忘规则的形式为E/a^φ→λ，其中λ表示空字符，执行遗忘规则后监测神经元δ_i将消耗内部所有脉冲，并产生一个空字符λ，即消耗完细胞内所有脉冲并不产生新脉冲，当点火规则不能执行时，立即执行遗忘规则。

D₁,...,D_n表示故障线路检测模型∏_Z的n个可触发时刻点，并对应于监测储能系统储能值的仪器采集数据的时间点，其中n∈[1,+∞)。

syn＝{1,2,...,m}×{1,2,...,m}表示神经元之间的有向突触连接关系。

in,out分别表示故障线路检测模型∏_Z的输入神经元集合和输出神经元集合。

S3、确定故障线路检测模型中监测神经元的点火阈值。

步骤S3包括以下分步骤S31～S35：

S31、获取故障线路检测模型中分层神经元的实测储能值随时间变化的关系：

S32、在考虑储能系统的智能输电网中，各个负荷节点所配置储能系统容量是有限的，因此设置负荷节点所配置储能系统的当前存储值不超过额定容量的约束条件：

S33、结合步骤S31中分层神经元的实测储能值随时间变化的关系以及步骤S32中的约束条件得到：

S34、若负荷节点的输入线路在时刻点D_n-1与D_n之间发生故障，则有：

S35、根据步骤S33和步骤S34得到的关系式，设置点火上限值γ_i＝V_i-(β_i+α_i)为监测神经元的点火阈值。

S4、依次判断每个分层神经元σ_i向监测神经元δ_i的输出脉冲值是否高于点火阈值，若是则满足点火条件，判定该分层神经元所对应负荷节点的输入线路发生故障，该负荷节点为故障线路，进入步骤S5，否则输电网不存在故障线路，返回步骤S2。

S5、查询故障线路预连接线路的条数及其相关负荷节点的运行情况，并根据查询结果建立基于分层脉冲神经膜系统的故障恢复模型。

本发明实施例中，基于分层脉冲神经膜系统的故障恢复模型∏_H具体为：

Π_H＝(Ο,σ₁,...,σ_m,χ₁,...,χ_m,D₁,...,D_n,syn,in,out)

其中Ο＝{a}为单字母集合，a表示一个脉冲且其对应于电能传输或负荷节点与储能监测器间传输信号的单位。

σ₁,...,σ_m为故障恢复模型∏_H中的m个分层神经元，对应于智能输电网中m个负荷节点，并且每个分层神经元的形式为

其中：

V_i表示第i个分层神经元的容纳脉冲上限值，其取值为[0,+∞)上的实数，对应输电网第i个负荷节点所配置储能系统的额定容量W_i。

表示第i个分层神经元在D_n时刻的脉冲位势值，对应第i个负荷节点所配置储能系统在D_n时刻的储能值，其取值为[0,+∞)上的实数。

α_i,β_i分别表示第i个分层神经元的特定输入脉冲值与特定输出脉冲值，分别对应第i个负荷节点的额定输入值a_i与额定输出值b_i，两者取值均为[0,+∞)上的实数。

分别为第i个分层神经元在D_n时刻的输入脉冲值与输出脉冲值，分别对应第i个负荷节点在D_n时刻的输入功率与输出功率，其取值均为[0,+∞)上的实数。

ω_i表示第i个分层神经元的突触集合，其包括轴突-树突突触、轴突-胞体突触和轴突-轴突突触这三类突触，且分别对应智能输电网中的输电线路、储能值信号的传输线路和预连接线路。

r_i表示第i个分层神经元的点火规则，r_i＝(r_i',r_i”)，r_i'的形式为E/a^(β)→a^(θ,β,μ)，其中

为点火条件，分层脉冲神经膜系统处于可触发时刻点D_n，分层神经元内部脉冲值θ≥β且输入脉冲值大于α时执行点火规则r_i'，此时分层神经元σ_i将消耗一个位势值为β的脉冲，并产生三个新脉冲，其中第一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，第二个新脉冲的位势值为β，并通过轴突-树突突触传递给其突触后神经元，第三个新脉冲的位势值为μ，并通过轴突-轴突突触传递给其突触后神经元；若输入脉冲值小于或等于α，但内部脉冲值θ≥β，则此时分层神经元σ_i将执行点火规则r_i”，其形式为E/a^(β)→a^(θ,β)，此时分层神经元σ_i消耗一个位势值为β的脉冲，并产生两个新脉冲，其中一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，另一个新脉冲位势值为β，并通过轴突-树突突触传递给其突触后神经元；否则，该分层神经元不执行点火计算。

χ₁,...,χ_m为故障恢复模型∏_H中的m个监测神经元集合，

表示第i个分层神经元σ_i相关的监测神经元集合，1≤i≤m，其中δ_i→k为与第i个分层神经元σ_i相关联的第k个监测神经元，对应智能输电网中第i个负荷节点的第k个监测储能系统储能值的仪器，1≤k≤ρ_i+1，ρ_i表示第i个负荷节点的预连接线路数，且

其中：

γ_i→k表示监测神经元δ_i→k的点火上限值，其取值为[0,+∞)上的实数。

表示监测神经元δ_i→k的输入脉冲值，其取值为[0,+∞)上的实数。

φ_i→k表示监测神经元δ_i→k的内部脉冲位势值，其取值为[0,+∞)上的实数。

c_i→k表示监测神经元δ_i→k点火规则和遗忘规则的有限集合，其中点火规则的形式为

其点火条件E＝{a^γ}，表示当且仅当一个监测神经元的输入脉冲值小于或等于其点火上限值γ且分层脉冲神经膜系统同时处于可点火点时，才能执行点火规则，然后产生一个单位脉冲a并立即向后传递给其所有突触后神经元，若无突触后神经元则向环境中传递单位脉冲a，在每次点火后都会在分层脉冲神经膜系统的细胞内积累一个单位脉冲a；遗忘规则的形式为E/a^φ→λ，其中λ表示空字符，执行遗忘规则后监测神经元δ_i将消耗内部所有脉冲，并产生一个空字符λ，即消耗完细胞内所有脉冲并不产生新脉冲，当点火规则不能执行时，立即执行遗忘规则。

D₁,...,D_n表示故障恢复模型∏_H的n个可触发时刻点，并对应于监测储能系统储能值的仪器采集数据的时间点，其中n∈[1,+∞)。

syn＝{1,2,...,m}×{1,2,...,m}表示神经元之间的有向突触连接关系。

in,out分别表示故障恢复模型∏_H的输入神经元集合和输出神经元集合。

S6、根据故障恢复模型中分层神经元的实测储能值恢复故障线路。

步骤S6包括以下分步骤S61～S63：

S61、当故障恢复模型∏_H中分层神经元σ_i采集到D_n时刻储能系统实测储能值

后，向监测神经元集合χ_i中的各监测神经元输出脉冲

S62、当故障发生时，监测神经元集合χ_i中的监测神经元依次点火，依次点火规则为：若第一个监测神经元δ_i→1点火，但故障未被恢复，则分层神经元σ_i对应的第二个监测神经元δ_i→2点火，以此类推直至故障被恢复。

S63、故障恢复完成后，求解故障负荷节点的监测神经元集合点火情况，若负荷节点的监测神经元δ_i→1点火而其他监测神经元未点火，则该负荷节点的第一条预连接线路启用；若负荷节点的监测神经元δ_i→1与δ_i→2点火而其他监测神经元未点火，则该负荷节点的第一条预连接线路未启用，第二条预连接线路启用，以此类推；若监测神经元集合中所有监测神经元皆点火，则负荷节点的ρ_i条预连接线路均未启用。

本发明实施例中，监测神经元集合χ_i中的监测神经元的点火条件为：分层神经元σ_i向监测神经元的输出脉冲值高于监测神经元的点火阈值

S7、求解故障恢复模型中监测神经元的点火情况，得到恢复供电后智能输电网的拓扑结构。

步骤S7包括以下分步骤S71～S73：

S71、确定故障线路的监测神经元集合为

S72、令向量

φ_j的初始值均为0，1≤j≤ρ_i+1，并且

与监测神经元集合χ_i中的监测神经元

依次对应，若监测神经元δ_i→j执行点火，则其对应的φ_j→1。

S73、若向量

中第一个0元素为φ_j，则与分层神经元σ_i相连的为其第j条预连接线路，若向量

为非零向量，则所有预连接线路均未启用，以此得到恢复供电后智能输电网的拓扑结构。

下面以一个具体实验例为例，给出本发明的详细执行过程，以促进细节理解。

本实验例采用突尼斯西湖中心/北部城市中心(WLC/NUC)的局部电力传输网络进行案例分析，如图2所示。

首先，根据负荷节点供电突然中断引起的损失程度，确定WLC/NUC中负荷节点的重要等级；其中科学城为本网络的一级负荷节点；水利工程与国家卫星1为二级负荷节点，其余负荷节点均为三级负荷节点；为提高负荷节点供电可靠性，减少因供电突然中断引起的损失，一级负荷需配置两条预连接线路；二级负荷需配置一条预连接线路；三级负荷因允许短时停电，则不配置预连接线路。

根据就近原则，在复合电信与科学城，货币市场与科学城间配置预连接线路；在水利工程与克里奥佩特拉间配置预连接线路；在突尼斯租聘中心与国家卫星1间配置预连接线路。

各负荷节点的额定输入与输出如表1所示，代入公式W_i≥{[(a_i+b_i)/b_i]+2+ρ_i}b_i可得到各个负荷节点配置的储能系统所需的容量如表1所示。

表1负荷节点的额定参数

根据表1中输电网各个负荷节点的额定参数，建立基于分层脉冲神经膜系统的故障线路检测模型∏_Z，如图3所示。根据公式

确定故障线路检测模型∏_Z中监测神经元的点火阈值，如表2所示。

表2故障线路检测模型中监测神经元点火阈值

γ<sub>1</sub>	γ<sub>2</sub>	γ<sub>3</sub>	γ<sub>4</sub>	γ<sub>5</sub>	γ<sub>6</sub>	γ<sub>7</sub>	γ<sub>8</sub>	γ<sub>9</sub>	γ<sub>10</sub>	γ<sub>11</sub>	γ<sub>12</sub>	γ<sub>13</sub>
													210	34	38	36	6	6	8	12	8	12	6	6	12

设本实验例中，初始点为D₁，各储能系统初始储能值为其额定容量，若在某次意外事故中输电线路F₅、F₈、F₁₀与预连接线路Y₁₁在D₁时发生中断，则在本次事故中，负荷节点当前储能值变化如图5所示，图中zeta8、zeta10、zeta12和zeta13分别对应σ₈、σ₁₀、σ₁₂和σ₁₃。

求解故障线路检测模型∏_Z中监测神经元的点火情况：

根据图5与表2可知，由于

监测神经元δ₈,δ₁₀,δ₁₂,δ₁₃将执行点火规则。在D₄时故障线路检测模型∏_Z中监测神经元内部脉冲位势向量为

由此可知负荷节点科学城、国家卫星1、克里奥佩特拉和水利工程的输入线路出现故障。

根据上述突尼斯租聘中心、国家卫星1、科学城、克里奥佩特拉和水利工程的预连接线路及其相关负荷节点的运行情况，建立基于分层脉冲神经膜系统的故障恢复模型∏_H，如图6所示。

图6中虚线表示在故障诊断中已确定中断的线路(由于σ₁₂的输入线F₁₂故障，σ₁₂无法通过预连接线路为σ₁₃供电，因此Y₁₀也为中断线路)，虚线表示正常工作线路，点画线表示待确定线路。

根据公式

确定故障恢复模型∏_H中监测神经元的点火阈值，如表3所示。

表3故障线路恢复模型中监测神经元的点火阈值

γ<sub>8→1</sub>	γ<sub>8→2</sub>	γ<sub>10→1</sub>	γ<sub>10→2</sub>	γ<sub>10→3</sub>	γ<sub>12→1</sub>	γ<sub>13→1</sub>	γ<sub>13→2</sub>
								12	8	12	9	6	6	12	8

求解故障恢复模型∏_H中监测神经元的点火情况：

根据表3与图6可知，在D₄时δ_8→1,δ_10→1,δ13→1将执行点火，则σ₇,σ9将执行点火条件r'，σ₈,σ₁₀,σ₁₂,σ₁₃将执行点火条件r”。

在D₅时负荷节点σ₇,σ₉将通过预连接线路Y₉,Y₁₂向负荷节点σ₈,σ₁₀供电；但是，由于Y₉故障，σ₉无法通过预连接线路Y₁₂向负荷节点σ₁₀供电，因此σ₁₀储能系统的储能值将继续下降

而σ₈获得σ₇的供电，储能值将维持D₄时不变，负荷节点σ₈恢复供电。

在D₅时，由于σ₁₂的输入线F₁₂故障，σ₁₂无法通过预连接线路为σ₁₃供电δ_13→2将执行点火；σ₁₀储能系统的储能值将继续下降为

δ_10→2将执行点火。

在D₆时负荷节点σ₁₁将通过预连接线路Y₁₁向负荷节点σ₁₀供电，负荷节点σ₁₀恢复供电。

由此可知，在D₇时执行点火的监测神经元有δ_8→1,δ_10→1,δ_10→2,δ_13→1,δ_13→2，则

由此可知，负荷节点σ₈的第一条预连接线路启用；负荷节点σ₁₀的第二条预连接线路启用，第一条预连接线路未启用；负荷节点σ₁₃的第一条预连接线路未启用；即Y₁₂,Y₁₁启用，Y₉,Y₁₀未启用。

本实验例中，根据故障线路检测模型∏_Z监测神经元的点火情况可知，输电线路发生故障的情况。当故障发生后，故障恢复模型∏_H将自动启用预连接线路恢复供电，并可根据故障恢复模型∏_H监测神经元的点火情况，得知预连接线路的启用情况，最后结合线路故障情况与预连接线路启用情况可知故障后智能电网的拓扑结构。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (9)

1.考虑储能系统的智能输电网故障线路检测及故障恢复方法，其特征在于，包括以下步骤：

S1、确定智能输电网负荷节点的重要等级和预连接线路，并根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量；

S2、在线监测输电网各个负荷节点所配置储能系统的储能变化，并根据监测结果以及输电网各个负荷节点的额定参数建立基于分层脉冲神经膜系统的故障线路检测模型；

S3、确定故障线路检测模型中监测神经元的点火阈值；

S4、根据点火阈值判断输电网是否存在故障线路，若是则进入步骤S5，否则返回步骤S2；

S5、查询故障线路预连接线路的条数及其相关负荷节点的运行情况，并根据查询结果建立基于分层脉冲神经膜系统的故障恢复模型；

S6、根据故障恢复模型中分层神经元的实测储能值恢复故障线路；

S7、求解故障恢复模型中监测神经元的点火情况，得到恢复供电后智能输电网的拓扑结构。

2.根据权利要求1所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S1包括以下分步骤：

S11、确定各个负荷节点的重要等级与各个等级负荷节点所需的预连接线路数；

S12、确定各个负荷节点间预连接线路的情况；

S13、根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量：

W_i≥{[(a_i+b_i)/b_i]+2+ρ_i}b_i

其中W_i表示第i个负荷节点所配置储能系统的额定容量，a_i,b_i分别表示第i个负荷节点的额定输入值和额定输出值，ρ_i表示第i个负荷节点的预连接线路数。

3.根据权利要求1所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S2中建立的基于分层脉冲神经膜系统的故障线路检测模型∏_Z具体为：

∏_Z＝(Ο,σ₁,...,σ_m,δ₁,...,δ_m,D₁,...,D_n,syn,in,out)

其中Ο＝{a}为单字母集合，a表示一个脉冲且其对应于电能传输或变压器与储能监测器间传输信号的单位；

σ₁,...,σ_m为故障线路检测模型∏_Z中的m个分层神经元，对应于智能输电网中m个负荷节点，并且每个分层神经元的形式为

其中：

V_i表示第i个分层神经元的容纳脉冲上限值，其取值为[0,+∞)上的实数，对应输电网第i个负荷节点所配置储能系统的额定容量W_i；

表示第i个分层神经元在D_n时刻的脉冲位势值，对应第i个负荷节点所配置储能系统在D_n时刻的储能值，其取值为[0,+∞)上的实数；

α_i,β_i分别表示第i个分层神经元的特定输入脉冲值与特定输出脉冲值，分别对应第i个负荷节点的额定输入值a_i与额定输出值b_i，两者取值均为[0,+∞)上的实数；

分别为第i个分层神经元在D_n时刻的输入脉冲值与输出脉冲值，分别对应第i个负荷节点在D_n时刻的输入功率与输出功率，其取值均为[0,+∞)上的实数；

ω_i表示第i个分层神经元的突触集合，其包括轴突-树突突触、轴突-胞体突触和轴突-轴突突触这三类突触，且分别对应智能输电网中的输电线路、储能值信号的传输线路和预连接线路；

r_i表示第i个分层神经元的点火规则，其形式为E/a^β→a^(θ,β)，其中

为点火条件，表示分层脉冲神经膜系统处于可触发时刻点D_n，且分层神经元内脉冲值θ≥β时才能执行点火规则，此时分层神经元σ_i将消耗一个位势值为β的脉冲，并产生两个新脉冲，其中一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，另一个新脉冲位势值为β，并通过轴突-树突突触传递给其突触后神经元；否则，该分层神经元不执行点火计算；

δ₁,...,δ_m为故障线路检测模型∏_Z中的m个监测神经元，对应于智能输电网中m个监测储能系统储能值的仪器，并且每个监测神经元的形式为

δ_i表示与第i个分层神经元σ_i相关联的监测神经元，其中：

γ_i表示监测神经元δ_i的点火上限值，其取值为[0,+∞)上的实数；

表示监测神经元δ_i的输入脉冲值，其取值为[0,+∞)上的实数；

表示故障线路检测模型∏_Z中监测神经元内部脉冲位势向量，

1≤i≤m，其中φ_i对应监测神经元δ_i的内部脉冲位势值，其取值为[0,+∞)上的实数；

c_i表示监测神经元δ_i点火规则和遗忘规则的有限集合，其中点火规则的形式为

其点火条件E＝{a^γ}，表示当且仅当一个监测神经元的输入脉冲值小于或等于其点火上限值γ且分层脉冲神经膜系统同时处于可点火点时，才能执行点火规则，然后产生一个单位脉冲a并立即向后传递给其所有突触后神经元，若无突触后神经元则向环境中传递单位脉冲a，在每次点火后都会在分层脉冲神经膜系统的细胞内积累一个单位脉冲a；遗忘规则的形式为E/a^φ→λ，其中λ表示空字符，执行遗忘规则后监测神经元δ_i将消耗内部所有脉冲，并产生一个空字符λ，即消耗完细胞内所有脉冲并不产生新脉冲，当点火规则不能执行时，立即执行遗忘规则；

D₁,...,D_n表示故障线路检测模型∏_Z的n个可触发时刻点，并对应于监测储能系统储能值的仪器采集数据的时间点，其中n∈[1,+∞)；

syn＝{1,2,...,m}×{1,2,...,m}表示神经元之间的有向突触连接关系；

in,out分别表示故障线路检测模型∏_Z的输入神经元集合和输出神经元集合。

4.根据权利要求3所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S3包括以下分步骤：

S31、获取故障线路检测模型中分层神经元的实测储能值随时间变化的关系：

S32、设置负荷节点所配置储能系统的当前存储值不超过额定容量的约束条件：

S33、结合步骤S31中分层神经元的实测储能值随时间变化的关系以及步骤S32中的约束条件得到：

S34、若负荷节点的输入线路在时刻点D_n-1与D_n之间发生故障，则有：

S35、根据步骤S33和步骤S34得到的关系式，设置点火上限值γ_i＝V_i-(β_i+α_i)为监测神经元的点火阈值。

5.根据权利要求3所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S4具体为：

依次判断每个分层神经元σ_i向监测神经元δ_i的输出脉冲值是否高于点火阈值，若是则满足点火条件，判定该分层神经元所对应负荷节点的输入线路发生故障，该负荷节点为故障线路，进入步骤S5，否则输电网不存在故障线路，返回步骤S2。

6.根据权利要求1所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S5中建立的基于分层脉冲神经膜系统的故障恢复模型∏_H具体为：

Π_H＝(Ο,σ₁,...,σ_m,χ₁,...,χ_m,D₁,...,D_n,syn,in,out)

其中Ο＝{a}为单字母集合，a表示一个脉冲且其对应于电能传输或负荷节点与储能监测器间传输信号的单位；

σ₁,...,σ_m为故障恢复模型∏_H中的m个分层神经元，对应于智能输电网中m个负荷节点，并且每个分层神经元的形式为

其中：

V_i表示第i个分层神经元的容纳脉冲上限值，其取值为[0,+∞)上的实数，对应输电网第i个负荷节点所配置储能系统的额定容量W_i；

表示第i个分层神经元在D_n时刻的脉冲位势值，对应第i个负荷节点所配置储能系统在D_n时刻的储能值，其取值为[0,+∞)上的实数；

α_i,β_i分别表示第i个分层神经元的特定输入脉冲值与特定输出脉冲值，分别对应第i个负荷节点的额定输入值a_i与额定输出值b_i，两者取值均为[0,+∞)上的实数；

分别为第i个分层神经元在D_n时刻的输入脉冲值与输出脉冲值，分别对应第i个负荷节点在D_n时刻的输入功率与输出功率，其取值均为[0,+∞)上的实数；

ω_i表示第i个分层神经元的突触集合，其包括轴突-树突突触、轴突-胞体突触和轴突-轴突突触这三类突触，且分别对应智能输电网中的输电线路、储能值信号的传输线路和预连接线路；

r_i表示第i个分层神经元的点火规则，r_i＝(r_i',r_i”)，r_i'的形式为E/a^(β)→a^(θ,β,μ)，其中

为点火条件，分层脉冲神经膜系统处于可触发时刻点D_n，分层神经元内部脉冲值θ≥β且输入脉冲值大于α时执行点火规则r_i'，此时分层神经元σ_i将消耗一个位势值为β的脉冲，并产生三个新脉冲，其中第一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，第二个新脉冲的位势值为β，并通过轴突-树突突触传递给其突触后神经元，第三个新脉冲的位势值为μ，并通过轴突-轴突突触传递给其突触后神经元；若输入脉冲值小于或等于α，但内部脉冲值θ≥β，则此时分层神经元σ_i将执行点火规则r_i”，其形式为E/a^(β)→a^(θ,β)，此时分层神经元σ_i消耗一个位势值为β的脉冲，并产生两个新脉冲，其中一个新脉冲位势值为θ，并通过轴突-胞体突触传递给其突触后神经元，另一个新脉冲位势值为β，并通过轴突-树突突触传递给其突触后神经元；否则，该分层神经元不执行点火计算；

χ₁,...,χ_m为故障恢复模型∏_H中的m个监测神经元集合，

表示第i个分层神经元σ_i相关的监测神经元集合，1≤i≤m，其中δ_i→k为与第i个分层神经元σ_i相关联的第k个监测神经元，对应智能输电网中第i个负荷节点的第k个监测储能系统储能值的仪器，1≤k≤ρ_i+1，ρ_i表示第i个负荷节点的预连接线路数，且

其中：

γ_i→k表示监测神经元δ_i→k的点火上限值，其取值为[0,+∞)上的实数；

表示监测神经元δ_i→k的输入脉冲值，其取值为[0,+∞)上的实数；

φ_i→k表示监测神经元δ_i→k的内部脉冲位势值，其取值为[0,+∞)上的实数；

c_i→k表示监测神经元δ_i→k点火规则和遗忘规则的有限集合，其中点火规则的形式为

其点火条件E＝{a^γ}，表示当且仅当一个监测神经元的输入脉冲值小于或等于其点火上限值γ且分层脉冲神经膜系统同时处于可点火点时，才能执行点火规则，然后产生一个单位脉冲a并立即向后传递给其所有突触后神经元，若无突触后神经元则向环境中传递单位脉冲a，在每次点火后都会在分层脉冲神经膜系统的细胞内积累一个单位脉冲a；遗忘规则的形式为E/a^φ→λ，其中λ表示空字符，执行遗忘规则后监测神经元δ_i将消耗内部所有脉冲，并产生一个空字符λ，即消耗完细胞内所有脉冲并不产生新脉冲，当点火规则不能执行时，立即执行遗忘规则；

D₁,...,D_n表示故障恢复模型∏_H的n个可触发时刻点，并对应于监测储能系统储能值的仪器采集数据的时间点，其中n∈[1,+∞)；

syn＝{1,2,...,m}×{1,2,...,m}表示神经元之间的有向突触连接关系；

in,out分别表示故障恢复模型∏_H的输入神经元集合和输出神经元集合。

7.根据权利要求6所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S6包括以下分步骤：

S61、当故障恢复模型∏_H中分层神经元σ_i采集到D_n时刻储能系统实测储能值

后，向监测神经元集合χ_i中的各监测神经元输出脉冲

S62、当故障发生时，监测神经元集合χ_i中的监测神经元依次点火，依次点火规则为：若第一个监测神经元δ_i→1点火，但故障未被恢复，则分层神经元σ_i对应的第二个监测神经元δ_i→2点火，以此类推直至故障被恢复；

S63、故障恢复完成后，求解故障负荷节点的监测神经元集合点火情况，若负荷节点的监测神经元δ_i→1点火而其他监测神经元未点火，则该负荷节点的第一条预连接线路启用；若负荷节点的监测神经元δ_i→1与δ_i→2点火而其他监测神经元未点火，则该负荷节点的第一条预连接线路未启用，第二条预连接线路启用，以此类推；若监测神经元集合中所有监测神经元皆点火，则负荷节点的ρ_i条预连接线路均未启用。

8.根据权利要求7所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述监测神经元集合χ_i中的监测神经元的点火条件为：分层神经元σ_i向监测神经元的输出脉冲值高于监测神经元的点火阈值

9.根据权利要求6所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S7包括以下分步骤：

S71、确定故障线路的监测神经元集合为

S72、令向量

φ_j的初始值均为0，1≤j≤ρ_i+1，并且

与监测神经元集合χ_i中的监测神经元

依次对应，若监测神经元δ_i→j执行点火，则其对应的φ_j→1；

S73、若向量

中第一个0元素为φ_j，则与分层神经元σ_i相连的为其第j条预连接线路，若向量

为非零向量，则所有预连接线路均未启用，以此得到恢复供电后智能输电网的拓扑结构。

Images