以DSP为控制架构之主动箝位顺向式转换器之研制-崑山科技大学.ppt

案例2，測試結果 * 22 kV---TSS 線路故障 22 kV---TSS 線路故障 22 kV---TSS 線路故障 成果探討 聯想式神經網路之能力有其一定界限，若輸入訊息存在太多的雜訊，則神經網路無法收斂於適當結果。 本文所提保護區域之劃分方式來制訂神經系統架構，減少輸入訊息數量，將可使神經網路反應時間縮短，幾乎為瞬間完成。 * 結論 類神經網路是一種應用非常成功的人工智慧，本研究採用聯想式類神經網路以探討其應用於輔助捷運供電系統警報處理之可行性，經由探討結果證實，不論是保護設備誤動作或者是保護訊號模糊不清，程式均能有效濾去雜訊，而還原出真正的事故原因或地點。 * * 謝謝大家 * * 類神經網路應用於捷運供電系統警報處理之研究 指導老師： 黃昭明 教授 學 生： 陳家翎 崑山科技大學　電機工程系研究所 Department of Electrical Engineering Kun Shan University Tainan, Taiwan, R.O.C. A Neural Network Approach to Alarm Processing of Power System in Mass Rapid Transit 第二十屆電力研討會 * 大綱 摘要 簡介 研究方法 捷運供電系統簡介 神經網路在捷運供電系統故障點定位之應用 結論 摘要 本文提出了利用自聯想神經網路依據保護電驛之跳脫情況以執行捷運供電系統故障類別與位置判定之工作，此神經網路是以保護電驛之規劃跳脫資料與實際故障跳脫資料做為訓練資料之來源。 由於此種神經網路具資料擷取與雜訊過濾之特性，適合從事模糊不明確之警報處理。 * 簡介 捷運供電系統之供電之品質與穩定性是決定其營運績效之重要因素。 有鑑於此，一套完整的監控系統與智慧型的警告訊號處理系統，將可大幅提升行控中心人員面對事故之處理能力，提高系統自動化運轉能力。 * 智慧型警報訊號處理系統架構 * 圖一 研究方法 自聯想類神經網路原理 霍普菲爾神經網路架構 霍普菲爾神經網路解自聯想記憶問題之步驟 * 自聯想類神經網路原理 關於自聯想神經網路架構首推霍普菲爾網路架構 原理為霍普菲爾網路可將特定的能量函數最小化，因此如能將自聯想記憶問題化成Lyapunov function 最適化問題及找出一個 Lyapunov function 型的能量函數 傳統上採用Liapunov function 為能量函數E，欲將其最適化： * * (1) * (2) * (3) (4) (1) (5) 霍普菲爾神經網路架構 * 圖二 霍普菲爾神經網路解自聯想記憶問題之步驟 (1) 學習過程（記憶過程） 輸入典型之記憶範例（典型的特徵向量）並根據(3)式設定網路加權值（Wij），即完成學習。 (2) 回想過程（聯想過程） * 輸入一個不完整或有雜訊的初始特徵向量，應用（2）式得到一個新的特徵向量。 * 重複應用(2)式，直到新的特徵向量不在變化為止。 * 捷運供電系統簡介 捷運供電系統架構 捷運供電系統保護設備配置方式 * 捷運供電系統簡介 由於高運量捷運之車輛採750V、第三軌直流受電方式，同時為降低整流器等非線性負載產生之諧波對供電系統之干擾，因此供電系統架構則為台電以161kV 雙回路供電方式供應至捷運主變電站。 * 高雄捷運BSS3 系統單線圖 * 牽引動力變電站 車站變電站 主變壓器 捷運供電系統保護設備配置方式 供電系統在規劃設計時已將其劃分為數個保護區(Protected Zone)，並根據每個保護區之特性制訂合適的保護策略與設備。 圖(一)顯示在BSS3 主變電站所轄之系統網路中將牽引動力變電站部分劃分成29 個保護區域。 * * 161 kV BUS 保護電驛配置圖 牽引動力專用主變壓器保護電驛配置圖 * 牽引動力 22kV BUS 保護電驛配置圖 牽引動力22 kV 傳輸線保護電驛配置圖 * TSS 22kV BUS 間傳輸線保護電驛配置圖 神經網路在捷運供電系統故障點定位之應用 故障點研判神經網路之建立 探討案例之建立與研究結果 成果探討 * 故障點研判神經網路之建立 由台北捷運系統運轉經驗來看，實際營運時出現不明事故狀況之機會相當多，而須要人工作決策的機會也比預期的數量大很多。 * 警報本身也存在許多問題包括下列情形： (1)警報可能不甚明確 (2)警報可能為單一或多個事故所造成 (3)假警報 (4)信號改變太快 (5)信號太多 (6)警報相互間有矛盾等 * 聯想式學習網路之應用層面有雜訊過濾與資料攫取等，同時輸入特徵向量可以是二極值{-1,+1}，因此適合供電系統保護電驛跳脫狀況與斷路器ON/OFF情形之判斷。 根據保護電驛規劃之配置