基于RBFNN的高压输电线路故障诊断.pdfVIP

维普资讯 第23卷 第4期 电工 电 能 新 技 术 Vo1．23．No．4 2004年 10月 AdvancedTechnologyofElectricalEngineeringnadEnergy Oct．2004 基于RBFNN的高压输电线路故障诊断 姜惠兰 ，刘 飞 ，杨 维 ，徐建强 (1．天津大学电气与 自动化工程学院，天津 300072；2．大庆石油管理局，黑龙江 大庆 163000) 摘要：本文在对电力系统故障诊断方法进行分析的基础上，利用径向基函数 (RadialBasisFunction— RBF)网络适合于求解模式识别问题的优势，提 出了应用RBF神经网络 (简称 RBFNN)来实现高压 输 电线路的故障诊断，建造了基于RBFNN的高压输 电线路故障诊断模型结构，并且给出了确定 RBF网络最佳聚类数的标准。仿真分析及容错性测试结果表明，本文所提方法能有效地实现高压 输电线路系统的故障诊断，而且在网络的训练速度以及对因干扰而畸变的输入信息情况的容错能 力方面都优于传统的BP神经网络，对实时信息处理系统具有一定的适用性。 关键词：输 电线路；RBFNN；故障诊断；LBG算法 中图分类号：I 77 文献标识码：A 文章编号：1003—3076(2004)04—0013—05 行时间，而且 RBF网络的隐层节点数可以在训练过 1 引言 程中优化确定，节点数的优化使得网络的利用效率 高压输电线路作为电力系统的命脉，其故障直 得以提高。RBF网络的隐层节点是由辐射状作用函 接威胁着系统的安全运行 ，且引起的经济损失是相 数构成(通常取高斯核函数)，对输入信息具有局部 当可观的。输电线路故障诊断问题是一个在线的实 激活特性，在用于解决模式识别问题时，它是将与问 时信息处理系统，主要依靠事故环境下所发生的一 题相关的知识分散存储于局部神经元中，使隐含层 系列实时序列信息进行分析。当用于诊断用的实时 神经元对不同类模式响应的程度不同，对接近于确 输入信息因受干扰而畸变甚至丢失时，将导致不正 定局部神经元特征的样本模式的输入具有最强的吸 确的诊断结果，所以要求用于实现输 电线路故障诊 引力，也就是对非训练的检测样本具有一定的容错 断的系统具有容错能力。因此，探求一种快速且容 能力。因此本文提出使用 RBFNN来实现高压输电 错性能强的高压输 电线路故障诊断方法，是具有实 线路的故障诊断，建造基于RBFNN的故障诊断模型 用意义的。 结构，并且对于RBF网络的聚类过程提出采用一种 近年来，已有多种人工智能和优化方法应用于 基于常规K—NN(K—NearestNeighbor)模式聚类原理的 电力系统的故障诊断研究，如基于专家系统的电力 模式聚类学习算法一LBG算法(此名取 Linde，Buzo， 系统故障诊断…、基于遗传算法和模拟退火算法的 Gray三人名字的开头英文字母)，它是一种使总歪 电力系统故障诊断 、以及基于模糊推理的电力系 (下面将给出定义)单调减少的聚类方法。虽然总歪 统故障诊断 J，取得了可喜的成绩。人工神经网络 越小，聚类的结果越好，但是总歪会随着聚类数的增 (NeuralNetworks—NN)以其 自学习能力、容错性能，以 加而单调下降，当聚类数等于训练样本数时，总歪是 及信息的并行处理能力，在电力系统故障诊断的研 最小的，这显然与聚类的目标不符，因此本文给出了 究 日益增 多 J，特别是径 向基 函数神经 网络一 一 种确定最佳聚类数的标准，使 LBG算法能够较快 RBFN