基于二等分放大的故障判别神经网络.pdf

维普资讯 No2 电力科学与工程 2006 ELECTRIC P0WER SCIENCE AND ENGINEERING ·25 · 文章编号：1672—0792(2006)02—0025—03 基于=等分放大晌故瞪判别神经网络 陈少华 ，马碧燕，雷 宇，桂存兵 (广东工业大学 自动化学院，广东 广州 510090) NeuralNetwork ofFaultDistinguishingBased on HalveAmplification CHEN Shao-hua，MABi—yan，LEIYu ，GUICun—bing (GuangdongUniversityofTechnology，Guangzhou510090，China) Abstract：Anartificialneuralnetworkforfaultdistinguishingby samplinghalveispresented，andthepretreatmentdataareampli— 1 神经网络概述 fied．Theessentialofthisacademicissimilra withtheprincipium ofmagnifyingglass．Itcansubtlydistinguishtwofaultswithvery 根据生物神经元的机理和功能，心理学家Mc— littledifference．Itcarlbeindicatde bytheexperimentresultthat Culloch和数学逻辑学家Pitts提出了简化的神经元模 thisneural networkactsmuchmoreideallycomparingwith the 型，即M—P模型。但是这种单层感知器存在着局 other networks using conlnlon sampling and pretraetment 限性，为了克服单层感知器只能识别线性可分对象 method． Keyword：halve；faultdistinug ishing；neuralnetwork 的问题，很 自然地，出现了多层人工神经网络，其 摘要：介绍了一种基于二等分取样，并将预处理数据放大的 模型如图1所示。这种多层神经网络的功能函数采 故障判别神经网络。这种理论的实质类似于放大镜的原理， 用非线性的、连续可微的函数，从根本上克服了第 能更精细地区分2种差距很小的故障。仿真结果表明，与普 2层的输出值不能反应第 1层的输入值的困难_2J。 遍的取样及预处理方式相比，该神经网络的输出更理想。 输 入 输 入层 隐含 层 输出层 输出 关键词：二等分；故障判别：神经网络 中图分类号：TK32 文献标识码：A 0 引 言 电力系统故障判别中，经常出现模糊边界点， 例如电流速断要正确区分本线路末端短路与下一条 线路出口处短路，距离保护 工段要正确区分线路阻 抗的85％处，功率方 向继电器要正确区分功率方向 角 ≈+0。和 ≈一 。等…。对这些边界点的正确 图1 多层神经元网络 区分是提高保护可靠性的重要途径 。如我们 目视 2 Fig．1 Multilayerneuralnetwork 条靠得很近的线段，肉眼可能会把它们看成一条， 而用放大镜后我们却能清晰地看到 2条。受这一启 2 二分法 发，本文用神经网络的方