芻議動車組過分相區(qū)故障識別和動車組過分相區(qū)繼電保護

劉毅

摘 要：動車組過分相區(qū)故障識別與繼電保護具有一定的難度，在研究分析中很難建立準確的數學模型，BP算法是動車組過分相區(qū)故障識別中的重要技術，可以快速識別出動車組過分相區(qū)中存在的故障問題，滿足了動車組的安全運行要求。為了保證動車組運行安全，文章就動車組過分相區(qū)故障識別與繼電保護兩方面內容進行了研究。

關鍵詞：動車組；過分相區(qū)；故障識別；繼電保護

1 動車組過分相區(qū)故障識別中的人工神經網絡BP算法概述

1.1 基于人工神經網絡的BP算法

動車組過分相區(qū)發(fā)生運行故障會影響動車組的安全運行狀況，為了對動車組過分相區(qū)中存在的故障有一個清晰的認識，文章利用智能控制領域內的BP算法對動車組過分相區(qū)以及分相區(qū)的中性線出現接地故障時其狀態(tài)進行了全方位的智能識別，利用這種方式能夠快速排除動車組運行故障，同時還能夠使繼電保護裝置快速動作，為動車組運行提供保護。

人工神經網絡克服了傳統人工神經網絡方法對語音識別、模式以及分結構化信息處理等方面的局限，該算法具有較強的非線性適應性信息處理能力，基于人工神經網絡的功能性，使之在模式識別、人工神經專家系統以及智能控制等多個領域廣泛應用。人工神經網絡中包含了多種算法，基本上都具有故障識別的作用，但是不同的算法所產生的作用力也是不同的，基于人工神經網絡的BP算法較為常用，利用該種診斷技術，在故障識別過程中無需建立精確的數學模型，它能夠解決其他常規(guī)算法所不能解決的故障診斷，對動車組過分相區(qū)故障識別具有重要意義。

1.2 基于人工神經網絡BP算法的優(yōu)勢與缺陷分析

人工神經網絡BP算法是目前解決動車組故障診斷的創(chuàng)新途徑，其在動車組過分相區(qū)故障識別中的廣泛應用是由其本身的功能性決定的。其優(yōu)勢主要表現在兩方面，一方面只要具備足夠的隱節(jié)點以及隱含層，人工神經網絡BP就可以隨意的逼近非線性映射關系，具有一定的隨意性，另一方面人工神經網絡BP屬于一種全局逼近的方式，具有較好的泛化能力，BP網絡可以實現輸入與輸出的非線性映射關系，在此過程中其不依賴模型，即使人工神經網絡中有個別神經元損壞，雖對輸入輸出有影響，但影響相對較小，由此可見人工神經網絡BP算法具有良好的容錯能力。然而人工神經網絡BP算法也存在一定的局限性，其在應用中收斂速度較為緩慢，隱含層與隱節(jié)點的實際數目難以準確定位。

2 人工神經網絡BP算法下的動車組過分相區(qū)故障識別仿真分析

人工神經網絡BP算法在動車組過分相區(qū)故障識別中的應用大致可以分為四個步驟，第一，利用該種算法對動車組過分相區(qū)進行故障識別與診斷，獲取動車組過分相區(qū)與未過分相區(qū)中各種狀態(tài)下的仿真數據，為故障診斷與故障識別提供有效依據。第二，對動車組過分相區(qū)與未過分相區(qū)故障識別仿真實驗中的各個參數值進行有效提取，并根據這些參數值對動車組過分相區(qū)中存在的故障問題進行全面分析。第三，以輸入的數據特點以及系統所需數據輸出要求為依據，從而確定輸入與輸出層的節(jié)點數以及隱含層的節(jié)點數。第四，將需要處理的矢量參數以及信息數據輸入到網絡系統中，而后進行一系列訓練，訓練成功之后再將預先設定的訓練結果以及信號進行比較驗證。在動車組過分相區(qū)故障識別仿真實驗中若隱含層節(jié)點數過多，會導致識別時間過長，不能在短時間內對動車組運行故障進行判斷，會影響動車組的整體運行狀況，而隱含層節(jié)點數太少則容錯性較差，識別樣本能力也相對較低，因此在仿真實驗中要綜合考慮各種因素的影響，在仿真實驗中要想得到準確的結果，需要對系統中的各個變量進行反復訓練，同時還要對其進行收斂，在利用人工神經網絡BP算法計算時若實際計算中能夠得到和與其相近的值，那么就表明動車組過分相區(qū)的運行狀態(tài)被識別。

在仿真實驗中將正饋線電壓、接觸線電壓、暫態(tài)過程一的暫態(tài)過電壓、暫態(tài)過程一的暫態(tài)過電壓、暫態(tài)過程三的暫態(tài)過電灰、暫態(tài)過程四的暫態(tài)過電壓，將這六個變量輸入到系統中，將線路所呈現的六種狀態(tài)作為輸出，在利用人工神經網絡BP算法進行方針數據處理以及狀態(tài)識別時，諸多BP神經網絡實驗模型基本上都是以S形函數作為實驗中的轉換函數，將函數的值域定義為[0，1]，那么在訓練過程中就要將原始數據合理規(guī)范到[0，1]區(qū)間內，而后再統一利用標準歸一化方式來實現。將六種線路的狀態(tài)相關數據進行歸一化處理，即將狀態(tài)數據處理在0～1以內。在仿真實驗中要利用人工神經網絡BP算法對動車組過分相區(qū)進行智能化故障識別，并保證故障識別的準確性，就要對歸一化數據進行大量并反復訓練，通過大量及反復訓練得到的誤差曲線結果是快速的，收斂的，能夠為動車組過分相區(qū)故障識別利用精確數據。

3 動車組過分相區(qū)繼電保護研究

動車組過分相區(qū)中的繼電保護可以分為三種保護模式，分別是線路保護、分相區(qū)保護以及合閘過電壓保護，這三種保護方式對動車組過分相區(qū)的安全與穩(wěn)定運行都有一定的保護作用，但是三者的保護方式有所區(qū)別，以下是對這三種保護模式的具體分析：

3.1 線路保護

線路保護為了改善功率因數，機車上還設置有三次與五次諧波的濾波電路，為使諧波含量系數能夠準確反映高次諧振狀況，通過高次諧振狀況可以對線路保護中的電阻繼電器動作進行判定，電阻繼電器動作方程式為：

XZD，RZD分別是指電阻與電抗整定值。線路保護在對動車組過分相區(qū)實施保護動作時，為了避免動車組過分相區(qū)出現保護誤動的狀況，那么需要利用二次諧波進行閉鎖操作。線路保護動作應根據動車組過分相區(qū)實際情況來選擇，高次諧波抑制式電流增量保護也是線路保護中的一種，對動車組相區(qū)也有一定的保護作用。

3.2 分相區(qū)保護

分相區(qū)保護設置與線路保護設置相比相對較為復雜，在動車組運行過程中利用分相區(qū)保護方式可以在動車組分相區(qū)中性線位置設置RC保護與RL保護，其中RL保護能夠被開關控制，利用這兩種保護方式基本上可以解決動車組特定機型的暫態(tài)過電壓問題，然而目前很多型號的動車組機車在牽引網中運行，RL與RC保護方式具有一定局限性，在這種運行條件下常出現的問題是過電壓與過電流問題，針對這兩種問題可以采取電壓增量保護與電流速斷保護的方式。

3.3 合閘過電壓保護

動車組過分相區(qū)發(fā)生故障之后，需要在分區(qū)亭處先進行合閘操作，而后再牽引變電所進行再合閘操作，故障時合閘的主要目的是為了檢驗動車組故障屬于暫態(tài)性故障還是永久性故障。動車組中的短路故障屬于暫態(tài)故障，而短線故障則屬于永久性故障，暫態(tài)故障發(fā)生后所產生的暫態(tài)過電壓會在60ms之后穩(wěn)定在正饋線與界線中，而永久性故障則會穩(wěn)定在一個新電壓狀態(tài)下，為動車組過分相區(qū)運行提供一個良好的狀態(tài)。

4 結束語

綜上所述，動車組過分相區(qū)運行環(huán)境具有一定的復雜性，在運行中常發(fā)生一系列的故障，這些故障或多或少都會對動車組的正常運行造成影響，因此對動車組進行故障識別，并采取繼電保護尤為必要。基于人工神經網絡的BP算法是現今動車組過分相區(qū)故障識別中的一種新方法，可以在不建立模型的情況下進行故障診斷識別，快速查出故障原因，并根據實際情況采取相應的保護措施，為動車組過分相區(qū)運行提供安全保障。

參考文獻

[1]董菲.基于BP算法的AT牽引供電系統狀態(tài)識別[J].電氣化鐵道，2011，12 （6）：4-7.

[2]成海燕.高速鐵路牽引網分相區(qū)的繼電保護原理研究[D].大連交通大學，2012，6（13）：1-43.