基于BP神經(jīng)網(wǎng)絡(luò)的小電流接地故障選線方法

金賡 邱實 張儉 陸海軍

摘要：介紹神經(jīng)網(wǎng)絡(luò)的理論及其一般模型，提出一種基于小波神經(jīng)網(wǎng)絡(luò)的小電流接地故障選線方法，給出故障診斷流程。采集某變電站的實際數(shù)據(jù)，按BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練過程進行驗證，確認該方法具有可行性和有效性。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；小電流接地；故障選線

中圖分類號：TM862；TM711 文獻標識碼：A 文章編號：1674-1161（2016）07-0043-04

我國在6～66 kV電網(wǎng)領(lǐng)域主要采用小電流接地方式，在發(fā)生單相接地故障時，可以帶接地故障運行2 h，以提高供電可靠性。但是，如果接地電流較大或者發(fā)生永久性接地故障，接地電弧將持續(xù)燃燒，并發(fā)生弧光接地過電壓，進而可能引發(fā)相間短路故障。至今，許多變電站仍然使用人工拉路方法查找故障線路。隨著電網(wǎng)自動化水平的不斷發(fā)展，小電流接地故障選線問題需要從根本上予以解決。因此，研究準確度高、可靠性強的自動選線技術(shù)，對提高供電可靠性和電網(wǎng)自動化水平具有十分重要的現(xiàn)實意義。

1 神經(jīng)網(wǎng)絡(luò)理論及一般模型

1.1 BP神經(jīng)網(wǎng)絡(luò)理論

神經(jīng)網(wǎng)絡(luò)理論起源早，能夠較好地模仿人腦組織結(jié)構(gòu)和運行機制，從微觀結(jié)構(gòu)和功能上描述非線性和不確定系統(tǒng)。應(yīng)用比較廣泛的神經(jīng)網(wǎng)絡(luò)是反向傳播網(wǎng)絡(luò)，也稱BP網(wǎng)絡(luò)。BP網(wǎng)絡(luò)是利用非線性可微分函數(shù)進行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)，在函數(shù)逼近、模式識別、信息分類及數(shù)據(jù)壓縮等領(lǐng)域廣泛應(yīng)用。

對于小電流接地系統(tǒng)的故障選線來講，采集信號映射和診斷檢測結(jié)果之間存在非線性關(guān)系，可用神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法實現(xiàn)。雖然需要大量的訓(xùn)練和檢驗數(shù)據(jù)，但從檢測選線動作和準確度來說，基于神經(jīng)網(wǎng)絡(luò)的故障選線方法具有較好的利用價值。

1.2 BP神經(jīng)網(wǎng)絡(luò)一般模型

如圖1所示，神經(jīng)網(wǎng)絡(luò)的神經(jīng)元大多類似，但BP神經(jīng)元有所不同，其輸出函數(shù)可以為非線性函數(shù)。常用的非線性函數(shù)有l(wèi)ogsig和tansig函數(shù)，部分輸出層也采用線性函數(shù)，輸出為：

a=logsing（Wp+b） （1）

式中：p=[p1， p2，…，pR]，為該神經(jīng)元的輸入向量；W=[ω1， ω2，…， ωR]，為權(quán)值向量，表示R個該神經(jīng)元與其他神經(jīng)元的突觸連接強度；B為該神經(jīng)元的閾值。

如果神經(jīng)元輸入向量的加權(quán)Wp大于b，則該神經(jīng)元被激活，因此輸入向量的加權(quán)和又稱為激活值。logsig表示神經(jīng)元的傳輸函數(shù)。

2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練理論

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定后，通過樣本數(shù)據(jù)對網(wǎng)絡(luò)模型進行訓(xùn)練，即對BP神經(jīng)網(wǎng)絡(luò)的閾值和權(quán)值進行學(xué)習(xí)及修正，使網(wǎng)絡(luò)模型確定的輸入輸出映射關(guān)系更精確。普通的三層BP網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

BP網(wǎng)絡(luò)學(xué)習(xí)是典型的有導(dǎo)師學(xué)習(xí)，算法的學(xué)習(xí)由下面4個過程組成。

2.1 正向傳播

如BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)所示，設(shè)BP網(wǎng)絡(luò)隱含層節(jié)點的激活函數(shù)為f1（），則隱含層的q個節(jié)點的輸出為：

2.3 網(wǎng)絡(luò)訓(xùn)練

網(wǎng)絡(luò)訓(xùn)練是反復(fù)交替進行正向傳播和反向傳播的過程，也可以說是反復(fù)進行學(xué)習(xí)，根據(jù)期望輸出的目標值與實際輸出值的誤差來調(diào)整權(quán)值。反復(fù)交替進行前兩步傳播，實際輸出值越來越與期望輸出值逼近。將所有學(xué)習(xí)樣本按照上述方法進行反復(fù)訓(xùn)練，最后確定權(quán)值。

2.4 收斂過程

神經(jīng)網(wǎng)絡(luò)的收斂過程為使全局誤差達到最小值的過程。BP算法的程序如圖3所示。

3 基于小波神經(jīng)網(wǎng)絡(luò)的故障選線方法

要確定BP神經(jīng)網(wǎng)絡(luò)的輸入層個數(shù)，可以對信號進行小波分解層次，將采集信號經(jīng)過小波包分解提取故障特征量，并以此作為BP神經(jīng)網(wǎng)絡(luò)的輸入量，再通過神經(jīng)網(wǎng)絡(luò)進行故障識別與診斷。將小波包分解技術(shù)與BP神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的小電流系統(tǒng)接地故障選線診斷過程如圖4所示。

4 方法驗證

利用安裝在某變電站的小電流接地系統(tǒng)故障選線裝置采集50個單相接地故障數(shù)據(jù)，作為現(xiàn)場數(shù)據(jù)對上述模型進行驗證。驗證結(jié)果表明，選線正確率達100%。針對典型故障計算各自的故障測度，利用小波神經(jīng)網(wǎng)絡(luò)模型得到的選線結(jié)果如表1所示。

5 結(jié)語

提出一種基于BP神經(jīng)網(wǎng)絡(luò)理論的小電流接地故障選線方法，并給出故障診斷流程。通過理論和實際數(shù)據(jù)分析確定，基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的小電流接地故障選線方法，能夠提高故障檢測的準確性。

參考文獻

[1] 許小兵，董麗金，袁棟.智能變電站小電流接地選線裝置的研究與實現(xiàn)[J].江蘇電機工程，2013，32（5）：55-58.

[2] 張礦，許小兵，李建敏，等.小電流接地選線功能在智能變電站的應(yīng)用[J].電力系統(tǒng)自動化，2014，11（3）：1-3.

[3] 欒國軍，王濤，張濤，等.一種智能變電站小電流接地選線系統(tǒng)實現(xiàn)[J].山東電力技術(shù)，2015，42（9）：19-22.