人工神经网络技术在力系统中的应用.docVIP

人工神经网络技术在电力系统中的应用 包立公1， 张瑞祥2 摘要：电力系统是由发电、输电、变电、配电和用电等多个部分组成的复杂的非线性动态系统。应用传统方法分析电力系统常常存在诸多缺陷，而人工神经网络技术由于具有不可替代的优势，文中介绍了人工神经网络在电力系统故障诊断、智能控制、继电保护、优化运算以及负荷预测等方面的应用情况。 关键词：电力系统；人工神经网络；BP 网络 人工神经网络在各个领域得到了广泛的应用，尤其是在智能系统中的非线性建模及其控制器的设计、模式分类与模式识别、联想记忆和优化计算等方面更是得到人们的极大关注。1991 年7 月在美国召开了第一届神经网络在电力系统中应用的国际学术会议，使得神经网络在电力系统中的应用得到了世界范围的广泛关注。目前就电力系统而言，人工神经网络已经应用到发电、输电、配电和用电的各个方面。 1 人工神经网络原理和技术特点 人工神经网络(ANN)是二十世纪80 年代中期世界范围内迅速发展的一个前沿研究领域，是一门高度综合的交叉学科，它的研究和发展涉及神经生理科学、数理科学、信息科学和计算机科学等众多领域。人工神经网络是模拟人脑组织结构和人类认知过程的信息处理系统。它由人工模拟的大量简单的神经元以一定的方式连接而成，单个人工神经元实现输入到输出的非线性关系，它们之间的连接组合使得人工神经网络具有复杂的非线性特性。人工神经网络具有很强的自组织、自学习能力。它通joes现场大量的标准样本学习与训练，自动调整各神经元之间的连接权和阀值，使获取的知识隐式分布在整个网络上，并实现人工神经网络的模式记忆。和其他信息处理方法相比，人工神经网络具有诸多优点：强大的知识获取能力和信息容错能力；学习能力强，可以实现知识的自组织，适应不同信息处理的要求；神经元之间的计算具有相对独立性，便于并行处理，执行速度快。正是由于人工神经网络有极强的非线性拟合能力和自学习能力，且具有联想记忆、鲁棒性强等性能，使人工神经网络对于电力系统这个存在着大量非线性的复杂大系统来说有很大的应用潜力， 很多难以列出方程式或难以求解的复杂的非线性问题，应用人工神经网络方法则可迎刃而解。 2 人工神经网络在电力系统中的应用 2.1 故障诊断 目前神经网络用于电力系统的故障诊断， 主要集中在对电网的故障处理。电网中的每一类故障都会产生一组警报信息， 不同类别的故障具有不同的警报组合。因而可以将警报处理和故障诊断表示为模式识别问题， 这样就适用于人工神经网络来进行处理。用人工神经网络进行故障诊断的基本原理是：将故障警报信息进行数字量化作为神经网络的输入量。神经网络的输出量代表故障诊断的结果。首先对神经网络进行训练学习， 即将特定故障对应的警报模式作为样本，建立较全的样本库，然后用所有的样本对神经网络进行训练， 这样就可以将样本库的知识以网络的形式存储在神经网络的连接权中， 最后通过神经网络输入量计算就可以完成故障诊断。故障诊断中神经网络所采用的模型大多为反向传播算法（BP）模型，这主要是由于对BP 模型的研究比较成熟，使用比较可靠。文献[1]较早提出了用BP 进行警报处理和故障诊断方法。该方法将警报信息作为神经网络的输入量，故障作为神经网络的输出量。用于识别电网发生的故障。这种方法的缺点是不能用于大规模系统。除电网故障诊断外，人工神经网络还被应用于电力系统设备的故障诊断，包括变压器、发电机、电缆、断路器、绝缘子等。变压器的故障诊断是人工神经网络在电力系统应用研究中较早提出的一个课题。当变压器内部出异常时，都会在绝缘油中产生异常气体，将反映变压器绝缘油的特征元素以及油温、油压、各种噪声和绕组直流电阻、绝缘电阻介质损等信号汇集成一个。 2.2 智能控制 励磁控制是控制发电机端电压和无功功率的重要组成部分，是重要的实时连续控制系统，对维持电力系统的稳定性起主要作用， 完成该功能的部分又称为电力系统稳定器(PSS)。由于大容量机组的投入和快速励磁系统的应用， 系统的动态稳定性问题愈来愈突出， 应用4 层BP 网络对发电机运行方式和系统干扰进行精确在线识别， 并以此为基础设计一种最优励磁调节器模型， 这种调节器比固定点线性励磁方式具有更强的稳定性能和较好的动态品质。采用改进型神经网络由2 个子神经网络综合构成：一个是应用递推最小二乘算法的线性神经网络；一个是应用动态BP 算法的动态递归网络。对基于相控整流直流传动系统的自适应控制实现策略的进行仿真， 结果表明该自适应控制器性能好于传统PID 控制器。基于人工神经网络的自适应励磁控制和动态电阻制动的综合控制器， 线路故障失去700MW 电源时， 稳定控制切换负荷误差小于0.5 MW的比例达到81.5％， 最大误差在2～3 MW 之间的仅为1％，显示了较好的控制特性。 2.3 继电保护 神经网络技术在继电保护领域