一种提高电缆载流量的管道填充介质

《一种提高电缆载流量的管道填充介质》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、一种提高电缆载流量的管道填充介质　　BP算法是一种监控学习技巧，它通过比较输出单元的真实输出和希望值之间的差别，调整网络路径的权值，以使下一次在相同的输入下，网络的输出接近于希望值。图1是人工神经Ui的结构模型，图中Ui为神经元内部状态，Qi为门槛值，Yi为输出信号，Xi为神经元接收信号。该模型可表示为：　　式中Wji——连接权值。　　BP算法的神经网络图形如图2所示，设网络的输入模块为p，令其作用下网络输出单元j的输出为Opj.如果输出的希望值是Tpj，则其误差为Dpj=Tpj－Opj.若输入

2、模块的第i个单元输入为Ipi，则就输入模块p而言，输入接点I与输出接点j之间的权值变化量为：　　ΔWpji=zDpjIpi　　式中，z是某一个常数。当反复迭代该式时，便可使实际值收敛于目标值［6］。其中隐含层既有输入网线，又有输出网线，每一个箭头都有一定的权值。一种提高电缆载流量的管道填充介质　　BP算法是一种监控学习技巧，它通过比较输出单元的真实输出和希望值之间的差别，调整网络路径的权值，以使下一次在相同的输入下，网络的输出接近于希望值。图1是人工神经Ui的结构模型，图中Ui为神经元内部状态，

3、Qi为门槛值，Yi为输出信号，Xi为神经元接收信号。该模型可表示为：　　式中Wji——连接权值。　　BP算法的神经网络图形如图2所示，设网络的输入模块为p，令其作用下网络输出单元j的输出为Opj.如果输出的希望值是Tpj，则其误差为Dpj=Tpj－Opj.若输入模块的第i个单元输入为Ipi，则就输入模块p而言，输入接点I与输出接点j之间的权值变化量为：　　ΔWpji=zDpjIpi　　式中，z是某一个常数。当反复迭代该式时，便可使实际值收敛于目标值［6］。其中隐含层既有输入网线，又有输出网线，每

4、一个箭头都有一定的权值。　　在神经网络投运前，就应用大量的数据，包括正常运行的、不正常运行的，作为其训练内容，以一定的输入和期望的输出通过BP算法去不断修改网络的权值。在投运后，还可根据现场的特定情况进行现场学习，以扩充ANN内存知识量。从算法原理看，并行处理能力和非线性功能是BP算法的一大优点。　　神经网络理论的保护装置，可判别更复杂的模式，其因果关系是更复杂的、非线性的、模糊的、动态的和非平稳随机的。它是神经网络与专家系统融为一体的神经网络专家系统，其中，ANN是数值的、联想的、自组织的、仿

5、生的方式，ES是认知的和启发式的。　　装置可直接取线路及其周边的模拟量、数字量，经模式特征变换输入给神经网络，根据以前学习过的训练材料，对数据进行推理、分析评价、输出。专家系统对运行过程控制和训练，按最优方式收集数据或由分析过程再收集控制，对输出结果进行评估，判别其正确性、一致性，作出最终判决，经变换输出，去执行机构。即使是新型保护，也会存在着某些功能模块不正确动作的可能，这时可以过后人为干预扩展专家系统数据库或由专家系统作出判别，作为训练样本训练ANN的这部分功能模块，改变其某些网线的权值，以

6、使下次相同情况下减少不正确动作的可能。　　下面是一个简单的ANN线路保护例子。当电力系统故障时，输电线路各相、各序电压、电流也随之发生变化，特别是故障后故障相的相电压和相电流，以及接地系统在接地故障的零序电流的变化有明显的代表性。比如选输入层神经元个数为14个，分别是Uar，Uai，Ubr，Ubi，UcrUci，Iai，Ibr，Ibi，Icr，Ici，Ior，Ioi，选定输出层神经元个数为5个：YA，YB，YC，YO，YF，各输出值为1，代表选中；输出值为0，代表没选中。这5个输出完全满足线路方

7、向保护的需求，隐含层神经元数目为2N+1。训练样本集包含14个输入变量和5个输出变量，而测试样本集中的样本则只有14个输入变量。选图4的双侧电源系统作研究对象，输电线路、系统的等值正、零序参数如图4所示。　　考虑的故障类型包括单相接地，两相短路，两相接地，三相短路。　　对图4所示的500kV双侧电源系统的各种运行方式和故障情况建立训练样本。　　在正常状态下，令h∠δ=/，h=1，δ　　随负荷变化，取为－60°，－50°，－40°，－30°，－20°，－10°，0°，10°，20°，30°，40°

8、，50°，60°，有13个样本。故障情况下，δ取值为－60°，－30°，0°，30°，60°，故障点选反向出口，正向出口，线路中部，线末。接地电阻Rg取值0Ω，50Ω，100Ω，150Ω，200Ω，相间电阻Rp取值0Ω，25Ω，50Ω，则共有5×4×=520个样本。每个样本的5个输出都有一组期望的输出值，以此作为训练样本。而实际运行、故障时，保护所测到的电流、电压极少直接与样本相同，此时就需要用到模糊理论，规定某个输出节点。如YA在某一取值范围时，则被选中。　　文献［1］认为全波数据窗建立的神经