基于小波预处理的人工神经网络实现微机变.. .docVIP

　　基于小波预处理的人工神经网络实现微机变.. 基于小波预处理的人工神经网络 实现微机变压器保护的新方法 胡小鹏 易理刚 （ 湖南大学 长沙 410082） 摘　要 提出了一种微机变压器保护的新方法。利用小波分析的信号奇异性检测特性，建立起信号突变量与模局部极大值的一一对应关系，提取所需要的状态特征；利用小波分析的时频分解滤波特性，减少故障暂态过程中非周期分量和高次谐波对故障方向判别的影响。在此基础上，提出并建立三层前向神经网络模型，用来实现变压器的微机保护。理论分析和EMTP仿真试验表明，该方法可以有效地提高保护的灵敏性、选择性和速动性，而且不受CT饱和的影响。 关键词 小波变换 人工神经网络 微机变压器保护 励磁涌流 Neer Protection HU Xiao-peng, YI Li-gang ( Hunan University, Hunan Changsha 410082) Abstract: This paper presents a neethods of puterized transformer protection.using e frequency depose filter characteristic, reduce the infection of inperiods orous odel er protection.theoretics analysis and EMPT simulation test shoethod can effectively improve sensitivity and selectivity of traditional numerical protection principles and criteria. KeyANN(artificial neural er protectioninrush current 1 引言 与传统保护类似，计算机变压器差动保护的原理和方法主要分为两部分：如何区分内外故障，如何鉴别励磁涌流[1]。 对于如何区分内、外故障，以保障区内故障，尤其是匝间短路时，具有较好的灵敏度，而在区外故障时，可靠地不动作。由于变压器内、外故障具有不确定性，目前各种典型的保护原理，如差突变量标积制动原理，有时还不能很好地区分内、外故障。 对于如何区分励磁涌流和短路电流，目前主要有二次谐波制动原理和间断角原理。研究表明[2]，大容量变压器在某些情况下涌流中的二次谐波含量仅为7%,而在有串补电容的高压系统及高压电缆中变压器发生故障的故障电流中的二次谐波含量可能超过15%,这对二次谐波原理提出了挑战。间断角是励磁涌流所特有的电流波形特征。间断角原理是以准确测量间断角的大小为基础的。由于受电流互感器（CT）饱和的影响，使得该原理在微机差动保护的实际应用中受到限制，效果并不理想。 另外，在基频分量估计算法上，采用传统算法的微机变压器保护，都有其局限性[3]。 小波分析作为一种新颖的信号分析方法，能够将含有多种频率成份的被分析信号按一定的时间和频率进行分解并逐步求精，具有近乎完善的双重局部化性质并能有效地刻划信号突变和抑制噪声[4,5]。利用小波变换的信号奇异性检测特性和时频分解滤波特性，可建立起信号突变量与模局部极大值的一一对应关系，增强起动判据的灵敏度；滤除故障暂态过程中的非周期分量和高次谐波分量，提高方向判别的灵敏度。 基于小波预处理的人工神经网络实现微机变压器保护的新方法 : 　 人工神经网络允许应用大量的输入量对电力系统的状态进行完整的描述，而对这些输入量不要求有非常精确的了解。实际上，神经元网络可用于从系统各种参数的组合模式来识别出故障状态。 近年来，小波分析和神经元网络在电力系统中的应用越快越多[6,7,8,9],它们在解决实际问题中显示出巨大潜力。 本文依据小波变换和神经元网络的上述特性，定性地利用了励磁涌流出现或故障发生时刻系统中多个相关变量的采样信号在尺度上的小波变换模极大值，提取所需要的信号突变量特征，将它们的特征量信息利用人工神经网络进行有效的融合，最后，通过一个综合识别模块，判别变压器所处的状态，实现变压器的微机保护。该方法在一定程度上克服了常规变压器保护的缺点，提高了保护的快速性和可靠性。 2 基于人工神经网络的变压器保护模型 本文提出的基于人工神经网络的变压器保护由2个独立子网络组成：励磁涌流识别子网络NN1，故障检测与诊断子网络NN2。图1为变压器的保护示意图。 论文基于小波预处理的人工神经网络实现微机变压器保护的新方法 CT、PT二次侧的电流、电压量经模数转化和小波变换后，由各子网络提取其特征量，加于各输入节点，得出计算结果。由2个子网络输