两种优化容错神经网络在输配电网诊断模型中性能的评估.pdfVIP

·118· 天 津 大 学 学 报 第39卷增刊 晰，并对研究有完整的评估，在仿真中提取一个具有 事件信息序列中可能发生的变异位H4|，根据电力系统 10条馈线构成的树干网供电区为基础，每次仅考虑有 具体设备故障动态过程的事件信息数量，一般取仅1 一条线路发生故障实例来仿真． 位的变异即可．由此就可由基本故障模式衍生形成获 输入矢量元素为进线断路器和各分段开关的电流 得全部可能发生的变异故障模式，如NN的输入元素 越限信息序列，共计10个元素，有故障电流的越限信 为M维，基本故障模式为K个，每个基本故障模式可 号用“1”表示，无电流越限用“0”表示．输出矢量元素 衍生形成M个变异故障模式，全部变异故障模式￡共 为馈线的状态序列，也是10个元素，馈线处于故障状 为K×M个．在诊断模型的测试检验工作中应该包含 态用“1”表示；正常时用“0”表示． 全部变异故障模式(目前在验证的测试样本中往往是 共有1个正常运行模式，10个基本故障模式作为 具有盲目性，没有保证)．根据本文提出的扩展故障模 NN的训练样本集．由于元器件故障或干扰导致状态 式的实质是要扩展被NN训练学习接受的样本，实际 信息传递丢失或畸变，按可靠性理论在输入矢量信息 上根据变异故障模式空间分布特征，只能是部分变异 序列中仅考虑出现1位畸变信息为依据，来对标准故 故障模式．在全部变异故障模式中有3类变异故障模 障模式衍生形成变异故障模式集，共计可获得101个 式：①与基本故障模式相同的B类，用一般方法是无 变异故障模式用作测试样本集． 法识别的；②变异故障模式之间相同的s类，它无法识 别是由哪个原基本故障模式变异来的，其可信度决定 4扩展故障模式样本集的构造 与相同变异模式的数目，如有4个相同的，则测试属于 该基本模式的可信度是25％；③与任何其他的变异故 传统基于NN原理的故障诊断模型，多采用基于 障模式都不相同的E类．所以在扩展故障模式的形成 故障知识的基本故障模式组成NN的训练样本集．因 如图1的流程所示，首先是自动识别3类变异故障模 此造成对随机因素干扰的变异故障模式难于正确识 式，对收敛有影响的变异故障模式样本在仿真中根据 别．其原因是所衍生的变异故障模式所组成的空间分 迭代限制条件进行逐一排除．B类滤除不加入NN训 布是极其复杂的非线性，如有些衍生变异模式与原故 练，S类保留其原变异故障模式与E类变异故障模式 障模式之间的汉明距离相等；虽然训练NN对输入矢 用作可扩展故障模式，但它们并不就等于是扩展故障 量的变异故障模式能有一定的容错性，但正确率极低， 模式的组成部分．在先对基本故障模式训练的基础上 且其容错性能不是固定的和充分的．为此，文中提出了 再对可扩展故障模式经NN学习收敛性的考核，剔除 基于扩展故障模式样本集的容错训练来提高NN对变 不收敛的变异故障模式后，被接受的变异故障模式和 异故障模式的容错能力．该扩展故障模式是在基本故 ed 障模式的基础上还加入了部分的变异故障模式，它是 fault 从所有可能发生的变异故障模式中筛选出来的，如图 1所示．首先，是依据可靠性理论概率表示来确定故障 障样本数目分别是172和46个． 基于运行知识的基 馨塑差j譬塑譬!妻黧j；篓箩L—弋I对基本故障模式样 输出整体容 本故障模式的确定 型麓}型望{黔和输出元素}：：司笨黍鑫藉举写巯臻l 器崔菇芬菥 和隐层节点数 ’I+8““7，J……、 …一…… 依据可靠性理论概 从变异故障模式中滤除B类 进一步对可扩展故障