bp人工神经网络在变压器差动保护中的应用.pptxVIP

一、变压器的差动保护二、差动保护存在的问题三、励磁涌流与内部故障电流的仿真四、BP人工神经网络对电流的区分仿真五、结论变压器的差动保护一、理论依据：基尔霍夫电流定律二、方式：基于电流的差动保护三、特点：灵敏度高，选择性好差动保护存在的问题 励磁涌流的概念：变压器空载合闸或外部故障切除后电压恢复时，容易引起铁芯饱和，铁芯的相对磁导率接近于1，从而在绕组上出现数值很大的励磁电流，可能达到额定电流的8倍，该电流称为变压器的励磁涌流 过大的励磁涌流，导致继电器无法区分电磁涌流与故障电流，从而导致误动作。此处，变压器故障选为内部匝间短路。问题的提出 本文的研究目的是通过BP人工神经网络，区分励磁涌流和故障电流，使变压器的差动保护能够正确进行。理论依据：二次谐波判据励磁涌流仿真变压器空载合闸励磁涌流波形变压器匝间短路故障仿真变压器A相二次绕组50%处接地故障时二次电流变压器A、B相二次绕组50%处相间短路时二次电流 对空载合闸励磁涌流和内部匝间短路故障仿真图形，有以下结论： （1） 二者都可以再差动保护中引起较大的差动电流； （2）励磁涌流的二次谐波含量很高； （3）内部匝间短路故障电流二次谐波含量很低。 以二次谐波的含有量作为特征量，对二者进行区分；同时，通过matlab仿真，我们得到了励磁涌流与故障电流的样本数据，以此作为BP神经网络的输入量。制作训练样本构建BP人工神经网络典型的BP前向神经网络此处，激励函数选用 Sigmoid函数，其表达式为其图像为： 实现的步骤：（1）提取励磁涌流和故障的电流的二次谐波含量和五次谐波含量作为特征信号，组成BP神经网络的训练样本和测试样本；励磁涌流的期望输出为1，内部故障电流的期望输出为0；（2）对提取的特征信号进行归一化处理，转变为BP神经网络的输入模式；（3）进行学习；（4）将训练好的BP神经网络用于鉴别励磁涌流和故障电流；（5）将网络输出模式转变为诊断结果。BP神经网络结构及训练结果输出与期望比较谢谢