欢迎来到天天文库
浏览记录
ID:46313752
大小:279.13 KB
页数:4页
时间:2019-11-22
《概率神经网络在母线故障识别中的应用研究》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、第36卷第6期四川电力技术Vo1.36。No.62013年12月SichuanElectricPowerTechnologyDec.。2013概率神经网络在母线故障识别中的应用研究纪叶生(国网四JII省电力公司建设管理中心,四川成都610021)摘要:提出一种利用概率神经网络来进行母线故障识别的新方法。首先用PSCAD/EMTDC软件对母线故障状态进行仿真,提取仿真数据,进行数据预处理,然后建立概率神经网络模型,训练网络后判断母线的区内、区外故障及正确识别各种故障类型,从而验证基于概率神经网络的母线故障识别的准确性。关键词:概率神经网络;母线故障;故障识别Abs
2、tract:Anewmethodbasedonprobabilisticneutralnetwork(PNN)isproposedtoidentifythefauhofbus.Firstly,thesoftwareofPSCAD/EMTDCisusedtosimulatethestateofthefaultbus,andthedataisabstractedandpreprocessed.ThenamodelofPNNisestablished.Sequentially,theaccuracyofbusfaultidentificationbasedonPNNc
3、anbeverifiedbydiserimi—natingallkindsofbusfaultscorrectlyaftertraining.Keywords:probabilisticneutralnetwork;busfault;fauhidentification中图分类号:TM855文献标志码:B文章编号:1003—6954(2013)06—0039—04母线是电力系统中最重要的元件之一,母线安输入屡竞争层n厂————————-’、全、稳定、可靠的运行关系到电力系统的稳定性及供电的可靠性。同时母线故障的影响面很大,是最严重的电气故障之一。因此快速、准确地
4、识别母线故障,同时判断故障类型,对切除故障母线,消除或减小故障产生的影响是十分重要的_l。母线的故障识别在本质上是模式识别问题,这里图1概率神经网络结构对该问题展开了讨论,并提出了利用概率神经网络来在径向基层中,将各单元与对应分类的模式单进行母线故障识别的新方法。应用概率神经网络,建元相连,进而估计各类别的概率输出。在决策竞争立仿真模型,通过对采集的故障样本进行试验,结果层中依据上一层得到对输入向量的概率估计,按贝表明该模型能有效提高故障识别准确率j。叶斯最小风险准则将输入向量分到具有最大后验概率值的类别中去,最终实现模式识别j。概率神经网络分类过程为:输入向量
5、传递到输入1概率神经网络层;径向基层计算该输入向量和样本输入向量之间的距离,并输出一个距离向量;竞争层接受距离向量并概率神经网络是一种基于贝叶斯最小风险准则计算每个模式出现的概率,概率密度函数最大的那个发展而来的可用于模式分类的并行算法。概率神经神经元输出为1,即所对应的那一类即为待识别的样网络的结构如图1所示,共由3层组成I5J。本模式类别,其他神经元的输出全为0J。根据概率密度函数和贝叶斯分类准则提出了概率神经网络的层次模型。在进行网络训练时,训练2母线故障识别的概率神经网络模型样本向量直接存储为概率神经网络的模式样本向量。在进行网络测试时,由输入层将网络待
6、测样本2.1母线故障识别算法流程送到模式层各个类别单元中,与相应权向量进行点基于概率神经网络的母线故障识别算法流程如积运算,然后将计算的结果直接送人径向基层。图2所示。母线故障识别过程分为两步:①基于一定数量的训练样本集对概率神经网络进行训练,得·39·第36卷第6期四川电力技术Vo1.36。No.62013年12月SichuanElectricPowerTechnologyDec.。2013到期望的概率神经网络模型;②根据当前输人对故提取了母线的三相线电压、相电压、三相相电流、三障状态进行识别,识别的过程即为利用概率神经网相负序电流相位以及零序电流幅值共10组
7、特征值络进行计算的过程。在学习和识别之前,通常需要作为概率神经网络的输入样本。对学习训练样本和待识别样本数据进行适当的处2.2数据的采集与样本集的确定理,包括预处理和特征选取/提取等,目的是为概率为使训练样本集包括所要分类的必要信息,所神经网络提供合适的识别输入和训练样本J。采用的训练样本尽可能地包括母线各种情况的内部故障和外部故障。利用EMTDC程序仿真生成概率神经网络所需的训练样本和测试样本,同时在获取样本过程中考虑到电流互感器的饱和情况。数字仿真系统模型如图3所示。图3中220kV母线上接有6回线路,2回线路是电源侧线路,2回线路是负荷侧线路,还有2回变图
8、2基于概率神经网络的目标
此文档下载收益归作者所有