论文部分内容阅读
【摘要】结合实际,文章分析了继电保护人工神经网络的特征、模型选取原则、操作过程以及应用实现。供参考。
【关键词】继电保护;人工神经网络;电力应用
继电保护在电力系统和自动化技术的快速发展之下,也有了长足的发展。近些年来,随着电力系统向大机组、高电压以及现代化大电网方向的发展,继电保护中的新技术应用也随之浮出水面,其中人工神经网络的应用就是—例。
1、人工神经网络概述
所谓的人工神经网络,则是在模拟生物神经元结构基础之上而提出的信息处理方法,通过模拟人脑组织结构和人类认知过程的信息处理系统。同时也是神经网络与专家系统融为一体的神经网络专家系统。
人工神经元是人工神经网络的一部分,我们可以把神经元比喻为数学模型.具体如下图所示。
它是多输入单输出的信息处理单元,在实际运用中通过与其相连的其他神经元接收信息,对信息的处理是非线性的。
目前在电力系统中,可以有效地解决难以列出方程式或求解复杂的非线性问题。如果利用人工神经网络的模式识别能力,可有效对电力系统中的故障做出最大量的识别,进一步处理电流对正方向的预报处理和故障。通过对标准样本的学习,调整自身的连接权,将获得的知识分布在网络上,并实现ANN的记忆模式。除此之外,还可以实现暂态,动稳分析,负荷预报,机组最优组合,具有强大的知识获取能力。
2、人工神经网络基本特征
一般地,电力系统继电保护中人工神经网络的特征包含有非线性和非局限性、非常定性。所谓的非线性则是指人工神经元处在激活或者抑制两种不同的状态,同时阙值神经元构成的网络可提高容错性以及存储容量。所谓的非局限性是指一个神经网络是由多个神经元链接的,通过单元间的大量连接模拟大脑非局限性。在非常定性方面,神经网络在处理信息的同时还可以实现多种变化,此时非线性动力的系统也在变化。
3、人工神经网络的操作过程
一般地,人工神经网络的操作可以分为回忆操作和训练学习操作。在回忆操作中对训练好的网络输入信號,可以正常回忆出相应的输出,得到识别结果。在训练学习操作中要把首先准备好的网络信息教传给外部作为网络的输入和要的输出,要确保网络按照某一种规则调节到各处理单元间的连接权值。
4、人工神经网络模型选取
在人工神经网络模型选取上要遵循一定的原则,一般包括执行时间、训练时间。从输入数据加载到已经训练过的网络,再到网络产生为一个选取周期。这个被称之为执行时间的原则。执行时间最主要取决于计算环境和网络的动态特征。
从输入数据加载到网络上传开始训练再到网络权值全部调节结束为一个选取周期。这个被称之为训练时间的原则。训练时间一般要比执行时间长,实际运行中通常是脱机进行。
5、人工神经网络保护装置原理
在实际的继电保护应用中,可以采用上面的人工神经网络保护装置原理技术体现。装置采用了线路和周边数字量以及模拟量,经过模式转化到神经网络,再次对数据评价分析。其中专家系统部分是实现控制和训练,按照最优先的方式收集数据、控制再进行评估。
6、人工神经网络的实现
第一种.人工神经网络的归一化算法。线性转换算法常见有两种形式.
<1>y=(x-min)/(max—min)
其中min为x的最小值,max为x的最大值,输入向量为x,归一化后的输出向量为Y。上式将数据归一化到[0.1]区间,当激活函数采用S形函数时(值域为(0.1))时这条式子适用。
<2>Y=2*(x-min)/(max—min)-1
这条公式将数据归一化到[-1,1]区间。当激活函数采用双极S形函数(僮域为(-1,1))时这条式子适用。
第二种.人工神经网络的newff.函数算法。
newff函数参数列表有很多的可选参数,具体可以参考Matlab的帮助文档,这里介绍newff函数的一种简单的形式。
语法.net=newff(A,B,{c},‘trainFun’)
参数.A.一个nx2的矩阵,第i行元素为输入信号xi的最小值和最大值;B.一个k维行向量,其元素为网络中各层节点数;C.一个k维字符串行向量,每一分量为对应层神经元的激活函数。
在网络配置参数方面,一些重要的网络配置参数如下.net.trainparam.goal.神经网络训练的目标误差。net.trainparam.show.显示中间结果的周期;net.trainparam.epochs
.最大迭代次数;net.trainParam.lr.学习率。
总结.
综上所述,人工神经网络是人工智能的一个重要分支,在继电保护等领域应用及研究比较广泛。随着我们对人工神经网络不断地探索和研究,在以后的生产生活中将会发挥更大的作用。
【关键词】继电保护;人工神经网络;电力应用
继电保护在电力系统和自动化技术的快速发展之下,也有了长足的发展。近些年来,随着电力系统向大机组、高电压以及现代化大电网方向的发展,继电保护中的新技术应用也随之浮出水面,其中人工神经网络的应用就是—例。
1、人工神经网络概述
所谓的人工神经网络,则是在模拟生物神经元结构基础之上而提出的信息处理方法,通过模拟人脑组织结构和人类认知过程的信息处理系统。同时也是神经网络与专家系统融为一体的神经网络专家系统。
人工神经元是人工神经网络的一部分,我们可以把神经元比喻为数学模型.具体如下图所示。
它是多输入单输出的信息处理单元,在实际运用中通过与其相连的其他神经元接收信息,对信息的处理是非线性的。
目前在电力系统中,可以有效地解决难以列出方程式或求解复杂的非线性问题。如果利用人工神经网络的模式识别能力,可有效对电力系统中的故障做出最大量的识别,进一步处理电流对正方向的预报处理和故障。通过对标准样本的学习,调整自身的连接权,将获得的知识分布在网络上,并实现ANN的记忆模式。除此之外,还可以实现暂态,动稳分析,负荷预报,机组最优组合,具有强大的知识获取能力。
2、人工神经网络基本特征
一般地,电力系统继电保护中人工神经网络的特征包含有非线性和非局限性、非常定性。所谓的非线性则是指人工神经元处在激活或者抑制两种不同的状态,同时阙值神经元构成的网络可提高容错性以及存储容量。所谓的非局限性是指一个神经网络是由多个神经元链接的,通过单元间的大量连接模拟大脑非局限性。在非常定性方面,神经网络在处理信息的同时还可以实现多种变化,此时非线性动力的系统也在变化。
3、人工神经网络的操作过程
一般地,人工神经网络的操作可以分为回忆操作和训练学习操作。在回忆操作中对训练好的网络输入信號,可以正常回忆出相应的输出,得到识别结果。在训练学习操作中要把首先准备好的网络信息教传给外部作为网络的输入和要的输出,要确保网络按照某一种规则调节到各处理单元间的连接权值。
4、人工神经网络模型选取
在人工神经网络模型选取上要遵循一定的原则,一般包括执行时间、训练时间。从输入数据加载到已经训练过的网络,再到网络产生为一个选取周期。这个被称之为执行时间的原则。执行时间最主要取决于计算环境和网络的动态特征。
从输入数据加载到网络上传开始训练再到网络权值全部调节结束为一个选取周期。这个被称之为训练时间的原则。训练时间一般要比执行时间长,实际运行中通常是脱机进行。
5、人工神经网络保护装置原理
在实际的继电保护应用中,可以采用上面的人工神经网络保护装置原理技术体现。装置采用了线路和周边数字量以及模拟量,经过模式转化到神经网络,再次对数据评价分析。其中专家系统部分是实现控制和训练,按照最优先的方式收集数据、控制再进行评估。
6、人工神经网络的实现
第一种.人工神经网络的归一化算法。线性转换算法常见有两种形式.
<1>y=(x-min)/(max—min)
其中min为x的最小值,max为x的最大值,输入向量为x,归一化后的输出向量为Y。上式将数据归一化到[0.1]区间,当激活函数采用S形函数时(值域为(0.1))时这条式子适用。
<2>Y=2*(x-min)/(max—min)-1
这条公式将数据归一化到[-1,1]区间。当激活函数采用双极S形函数(僮域为(-1,1))时这条式子适用。
第二种.人工神经网络的newff.函数算法。
newff函数参数列表有很多的可选参数,具体可以参考Matlab的帮助文档,这里介绍newff函数的一种简单的形式。
语法.net=newff(A,B,{c},‘trainFun’)
参数.A.一个nx2的矩阵,第i行元素为输入信号xi的最小值和最大值;B.一个k维行向量,其元素为网络中各层节点数;C.一个k维字符串行向量,每一分量为对应层神经元的激活函数。
在网络配置参数方面,一些重要的网络配置参数如下.net.trainparam.goal.神经网络训练的目标误差。net.trainparam.show.显示中间结果的周期;net.trainparam.epochs
.最大迭代次数;net.trainParam.lr.学习率。
总结.
综上所述,人工神经网络是人工智能的一个重要分支,在继电保护等领域应用及研究比较广泛。随着我们对人工神经网络不断地探索和研究,在以后的生产生活中将会发挥更大的作用。