基于人工神经网络和模式识别的配网故障恢复算法研究

《基于人工神经网络和模式识别的配网故障恢复算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第20卷华中电力2007年第6期基于人工神经网络和模式识别的配网故障恢复算法研究张玉春，杨成峰，王文娟3，李红全(1．国电南思系统控制有限公司，江苏南京211153；2．东南大学电气工程学院，江苏南京210096；3．郑州热电厂，河南郑州450003；4．／』、浪底水力发电厂，河南济源454681)摘要：研究了基于人工神经网络和模式识别的新方法以实现供电故障恢复，分析了ANN方法和模式识别方法中的训练和测试阶段涉及到的详细步骤。ANN算法适合于有效解决比较复杂的问题。通过实例配电系统证明了所研究的ANN算法的有效性．从算例结果可以得到结论

2、：用ANN算法和模式识别方法可非常高效地获得合理的恢复方案。关键词：人工神经网络；模式识别；故障恢复；算法中图分类号：TM7l】文献标识码：A文章编号：1006．6519(2007)06．0001．04TheArithmeticStudyofFaultRestorationinDistributionNetworkBasedArtificialNeuralNetworkandPatternRecognitionMethodZHANGYu—ehun，YANGCheng—feng，WANGWen-juan，LIHong—quan(1．SP-NiceSystemControlCo．Ltd．，

3、Nanjing211153，China；2．SoutheastUniversity，Nanjing210096，China；3．HeatandPowerHantofZhengzhou，Zhengzhou450003，China；4．XiaolangdiWaterpowerHant，Jiyuan454681，China)Abstract：Basedonartificialneur~network(ANN)andpatternrecognitionalgorithm，anewmethodforfaultrestorationindistributionsystemisstudiedinth

4、ispaper．TrainingandtestingphaseanddetailedstepforthemethodofANNandpatternrecognitionisanalyzed．TheANNarithmeticissuitabletosolvecomplexproblemmoreefectively．ThevalidityofANNarithmeticiswelldemonstratedbyaactualdistributionsystem．TheanalysisandexperimentresultsproVethatreasonablerestorationsoluti

5、oncanbeobtainedeficientlybyANNarithmeticandpatternrecognitionmethod．Keywords：artificialneuralnetwork；patternrecognition；faultrestoration；arithmetic得所期望的恢复方案。0绪论在配电系统中．任何馈线都是通过一常开的联络人工神经元是对生物神经元的简化和模拟，人T开关和一支持馈线相联，这二条馈线组成了一个馈线神经网络模型是由大量的神经元互连而成的网络。根对，这个馈线对可以看作为一个单元。对于每一配电据联接方式可以分成两大类：没有反馈的前向神经网馈线

6、需要用到独立的ANN，至于模式识别方法，需要络和有反馈的互相结合型网络。针对系统中的一个故为每一配电馈线建立一个独立的数据库。因此，二种障事故将人T神经网络(ArtificialNeuralNetworks，方法的有效性依赖于配电系统的大小。在有3端或4简称ANN)和模式识别方法用于一个配电系统供电端口馈线的配电系统，需要为联接在一起的馈线组建恢复，用该方法来获得可行的恢复方案。在运行人员立一个ANN。或者计算机执行恢复供电之前，2min的决策时间对ANN算法和模式识别方法的训练阶段需要一些于等待中的运行人员来说将是一段很长的时间。ANN时间，神经网络的训练需要不断重复；另外，在系统结

7、算法和模式识别方法的采用可以尽量减少这种计算构改变之后．模式识别方法需要对数据库进行更新。所需的时间由于有关问题的知识在神经元之间传值得庆幸的是，神经网络训练和数据库更新通常是在递，而神经元之间的连接权值和信息得到了并行的处离线下进行的，因此在训练阶段时间并不是很重要的理，因此，ANN算法将比启发式搜索方法更有效地获因素在ANN训练之后以及训练模式已经储存在模收稿日期：2007—06—29作者简介：张玉春(1975一)，女，硕士，工程师，主要从