基于模糊神经网络的故障类型识别.pdf

维普资讯 第34卷 第3期 继 电器 Vo1．34 No．3 12 2006年2月 1日 RELAY Feb．1．2006 基于模糊神经 网络的故障类型识别 刘凤霞 一，刘前进 (1．华南理工大学电力学院，广东广州 510640； 2．揭阳供 电局，广东揭阳522000) 摘要：提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法，用ATP提取输 电线路故障后一 周后继电保护安装点的三相 电压电流以及反映接地故障的零序 电流基频分量及其相应的相角，并采用T—s 模型与改进BP算法结合的模糊神经网络 ，实现故障类型识别。该方法不受故障位置、故障电阻及对两端 电 源初始相角差、系统运行方式等不确定的因素影响，仿真结果表明该类型识别方法可靠、正确。 关键词 ：模糊神经网络 ； T．S模型； 故障类型识别 中图分类号：TM77 文献标识码：A 文章编号-1003-4897(2006)0343012-03 络的输入 ，故障类型作为其输 出，构造一个 由输入 0 引言 层、模糊化层、模糊推理层、去模糊化层、输 出层组成 输电线路发生故障后，迅速、准确地鉴别出故障 的模糊神经网络来实现故障类型可靠、准确识别。 类型，对继电器保护装置正确动作、有选择地切除故 l 建立模糊神经网络 障相，提高系统可靠性有着十分重要的意义。继电 保护安装点的可测信息受到故障位置、故障电阻、系 模糊神经网络有多种，人们采用的较多是简化 统运行方式、两端电源相角差等许多不可测的因素 的T—S模糊神经网络，T—S是 日本学者 Takagi和 影响，因此，鉴别故障类型的理想的故障识别就基本 Sugeno于 1985年提出的，其特点是： 不受这些随机因素影响，且原理简单可靠、结果正 在系统的模糊规则中，“If”部分是模糊的，而后 确。 件 “Then”部分是确定的，为各输入变量的线性组合 模糊神经网络是一种集模糊逻辑推理的强大结 或常量 。这里采用每条模糊规则的结论都是常值的 构性知识表达能力与神经网络的强大 自学习能力于 形式，假设神经网络有 ~／r个输入和 个输出，第 一 体的技术。人工神经网络具有较强的自适应和学 条模糊规则的一种简化形式为 ： 习的能力，网络通过训练，学会对输入向量分析和推 Rule ： 理，从而实现计算、记忆、联想、识别等功能，但是，它 If(IisAsIand 2isAjzand ··’ 、isAj、)Then (I toj．I 需要大量描述过程特性的数据信息，学习完成后形 andY2=toj2and ·。。Y M) 成的神经网络的输入和输出关系无法用容易的方式 其 中 和Y是输入输 出变量， 是常值，表示系 进行表达，不具备处理和描述模糊信息的能力。模 统的第 条规则的k个输 出；A为论域 上的模糊 糊信息处理恰好具备处理模糊语言信息的能力，容 集合。 易建立易于被人所接受的 “If—Then”结构的表达方 模糊神经网络的结构示意图如图1所示。 式，有利于模拟人类思想进行判断和决策。模糊信 息处理和人工神经网络相结合，使人工神经网络具 备处理模糊信息功能，则为模糊规则的自动提取及 模糊隶属函数的自动生成 问题提供 了有效的途径， 使得模糊系统具备学习功能，由二者结合的模糊神 经网络不仅具有处理不精确性、不确定性的能力，而 且具有学习、自适应的能力-- 。 本文利用模糊神经网络强大的非线性逼近能 输入层