基于RBF神经网络的超高压继电保护的算法研究1.docVIP

基于RBF神经网络的超高压继电保护的算法研究 张冬1 王涛2 （1内蒙古超高压供电局，内蒙古 呼和浩特 010080;2苏州大学电子信息学院，江苏 苏州 215021） 摘 要 本文提出一种基于RBF神经网络的超高压继电保护的算法。该算法是由于径向基神经网络（RBFN）具有学习性，可以根据已有的继电保护参数样本集进行训练，从中分析出故障检测、故障定位，自适应自动重合闸技术、差动保护以及距离保护的内在联系，实现对以后的继电保护数据样本进行自适应控制。本算法的优点就是在构造过程考虑了径向基神经网络（RBFN）的预测精度和训练时间，采用了线性最小二乘法(LLS)和梯度下降法的方法，运用做了MATLAB仿真实验，获得了较为准确的预测结果。 关键词：径向基神经网络（RBFN）；超高压；继电保护；LLS；梯度下降法； 中图法分类号：TP332 文献标识码：B 文章编号： Research of relaying of EHV Algorithm Based On RBF Neural Network Dong Zhang1 Tao Wang2 (1 Inner Mongolia Electric Power Group Hohhot, China, 010000; 2 School of Electronics and Information Engineering, Soochow University, Suzhou Jiangsu 215006) Abstract：This paper presents a solution of EHV (Extra High Voltage) relaying algorithm based on RBFN (Radial Basis Function Neural Network ). Being able to learn, RBFN could improve itself over past experience, therefore enabling the algorithm to locate, detect and analyze from training the existing relaying data samples the interconnection of automatic reclosure, differential protection and distance protection techniques, subsequently realizing a self-adaptive control of future relaying data samples. Highlight of this algorithm is that by taking the factors of both predicting precision and training time of RFBN into consideration in the process of construction, Using linear least squares (LLS) and the gradient descent method, using MATLAB simulations done to obtain a more accurate prediction. Keywords: RBFN；EHV； Relaying；LLS；gradient descent； 0 引言 随着电力工业的不断发展，现代电力系统已成为一个高阶非线性、高复杂度的大系统，人们对系统运行的可靠性、持续性和稳定性要求也越来越高，这就使得电力系统中问题的解决越来越困难。继电保护的任务就是检测故障信息，识别故障信号，进而决定保护是否跳闸。传统的继电保护和故障诊断方法自适应能力有限，不能适应各种运行方式和诊断复杂故障。径向基神经网络（RBFN）具有很强的自适应能力、学习能力、非线性映射能力和容错能力，并且鲁棒性好，应用在电力系统继电保护有很大优势，很多难以列出方程式或难以求解的复杂的非线性问题，应用径向基神经网络（RBFN）方法都可以得到很好的解决。 1 人工神经网络概述 1.1 人工神经网的概念 人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可