一種提高電纜載流量的管道填充介質(zhì)

1、一種進(jìn)步電纜載流量的管道填充介質(zhì)摘 要：根據(jù)現(xiàn)代控制技術(shù)的人工神經(jīng)網(wǎng)絡(luò)理論提出了一種保護(hù)原理構(gòu)成方案，并分析了原理實(shí)現(xiàn)的可行性和技術(shù)難點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)Aartificial Neural Network，下簡(jiǎn)稱ANN是模擬生物神經(jīng)元的構(gòu)造而提出的一種信息處理方法。早在1943年，已由心理學(xué)家Warren S.Mcculloch和數(shù)學(xué)家Walth H.Pitts提出神經(jīng)元數(shù)學(xué)模型，后被冷落了一段時(shí)間，80年代又迅猛興起1。ANN之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線形特征、并行處理才能、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的才能。其中研究得最為成熟的是誤差的反傳模型算法BP算法，Back Prop

2、agation，它的網(wǎng)絡(luò)構(gòu)造及算法直觀、簡(jiǎn)單，在工業(yè)領(lǐng)域中應(yīng)用較多。經(jīng)訓(xùn)練的ANN適用于利用分析振動(dòng)數(shù)據(jù)對(duì)機(jī)器進(jìn)展監(jiān)控和故障檢測(cè)，預(yù)測(cè)某些部件的疲勞壽命2。非線形神經(jīng)網(wǎng)絡(luò)補(bǔ)償和魯棒控制綜合方法的應(yīng)用其魯棒控制利用了變構(gòu)造控制或滑動(dòng)?？刂?，在實(shí)時(shí)工業(yè)控制執(zhí)行程序中較為有效3。人工神經(jīng)網(wǎng)絡(luò)ANN和模糊邏輯Fuzzy Logic的綜合，實(shí)現(xiàn)了電動(dòng)機(jī)故障檢測(cè)的啟發(fā)式推理。對(duì)非線形問(wèn)題，可通過(guò)ANN的BP算法學(xué)習(xí)正常運(yùn)行例子調(diào)整內(nèi)部權(quán)值來(lái)準(zhǔn)確求解4。因此，對(duì)于電力系統(tǒng)這個(gè)存在著大量非線性的復(fù)雜大系統(tǒng)來(lái)講，ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力，目前已涉及到如暫態(tài)，動(dòng)穩(wěn)分析，負(fù)荷預(yù)報(bào)，機(jī)組最優(yōu)組合，警

3、報(bào)處理與故障診斷，配電網(wǎng)線損計(jì)算，發(fā)電規(guī)劃，經(jīng)濟(jì)運(yùn)行及電力系統(tǒng)控制等方面5。本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)ANN理論的保護(hù)原理。1、人工神經(jīng)網(wǎng)絡(luò)理論概述式中Wji連接權(quán)值。BP算法的神經(jīng)網(wǎng)絡(luò)圖形如圖2所示，設(shè)網(wǎng)絡(luò)的輸入模塊為p，令其作用下網(wǎng)絡(luò)輸出單元j的輸出為Opj.假設(shè)輸出的希望值是Tpj，那么其誤差為Dpj=TpjOpj.假設(shè)輸入模塊的第i個(gè)單元輸入為Ipi，那么就輸入模塊p而言，輸入接點(diǎn)I與輸出接點(diǎn)j之間的權(quán)值變化量為：Delta;Wpji=zDpjIpi式中，z是某一個(gè)常數(shù)。當(dāng)反復(fù)迭代該式時(shí)，便可使實(shí)際值收斂于目的值6。其中隱含層既有輸入網(wǎng)線，又有輸出網(wǎng)線，每一個(gè)箭頭都有一定的權(quán)值。在

4、神經(jīng)網(wǎng)絡(luò)投運(yùn)前，就應(yīng)用大量的數(shù)據(jù)，包括正常運(yùn)行的、不正常運(yùn)行的，作為其訓(xùn)練內(nèi)容，以一定的輸入和期望的輸出通過(guò)BP算法去不斷修改網(wǎng)絡(luò)的權(quán)值。在投運(yùn)后，還可根據(jù)現(xiàn)場(chǎng)的特定情況進(jìn)展現(xiàn)場(chǎng)學(xué)習(xí)，以擴(kuò)大ANN內(nèi)存知識(shí)量。從算法原理看，并行處理才能和非線性功能是BP算法的一大優(yōu)點(diǎn)。2、神經(jīng)網(wǎng)絡(luò)型繼電保護(hù)神經(jīng)網(wǎng)絡(luò)理論的保護(hù)裝置，可判別更復(fù)雜的形式，其因果關(guān)系是更復(fù)雜的、非線性的、模糊的、動(dòng)態(tài)的和非平穩(wěn)隨機(jī)的。它是神經(jīng)網(wǎng)絡(luò)ANN與專家系統(tǒng)ES融為一體的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，其中，ANN是數(shù)值的、聯(lián)想的、自組織的、仿生的方式，ES是認(rèn)知的和啟發(fā)式的。裝置可直接取線路及其周邊的模擬量、數(shù)字量，經(jīng)形式特征變換輸入給神經(jīng)網(wǎng)

5、絡(luò)，根據(jù)以前學(xué)習(xí)過(guò)的訓(xùn)練材料，對(duì)數(shù)據(jù)進(jìn)展推理、分析評(píng)價(jià)、輸出。專家系統(tǒng)對(duì)運(yùn)行過(guò)程控制和訓(xùn)練，按最優(yōu)方式搜集數(shù)據(jù)或由分析過(guò)程再搜集控制，對(duì)輸出結(jié)果進(jìn)展評(píng)估，判別其正確性、一致性，作出最終判決，經(jīng)變換輸出，去執(zhí)行機(jī)構(gòu)。即使是新型保護(hù)，也會(huì)存在著某些功能模塊不正確動(dòng)作的可能，這時(shí)可以過(guò)后人為干預(yù)擴(kuò)展專家系統(tǒng)數(shù)據(jù)庫(kù)或由專家系統(tǒng)作出判別，作為訓(xùn)練樣本訓(xùn)練ANN的這部分功能模塊，改變其某些網(wǎng)線的權(quán)值，以使下次一樣情況下減少不正確動(dòng)作的可能。對(duì)圖4所示的500 kV雙側(cè)電源系統(tǒng)的各種運(yùn)行方式和故障情況建立訓(xùn)練樣本。在正常狀態(tài)下，令hang;delta;=EM/EN，h=1，delta;文獻(xiàn)1認(rèn)為全波數(shù)據(jù)窗建

6、立的神經(jīng)網(wǎng)絡(luò)在準(zhǔn)確性方面優(yōu)于利用半波數(shù)據(jù)窗建立的神經(jīng)網(wǎng)絡(luò)，因此保護(hù)應(yīng)選用全波數(shù)據(jù)窗。ANN保護(hù)裝置出廠后，還可以在投運(yùn)單位如網(wǎng)調(diào)、省調(diào)實(shí)驗(yàn)室內(nèi)進(jìn)展學(xué)習(xí)，學(xué)習(xí)內(nèi)容針對(duì)該省的保護(hù)的特別要求進(jìn)展如反措。到現(xiàn)場(chǎng)，還可根據(jù)該站的干擾情況進(jìn)展反誤動(dòng)、反拒動(dòng)學(xué)習(xí)，特別是一些常出現(xiàn)波形連續(xù)的變電站內(nèi)的高頻保護(hù)。3、結(jié)論本文基于現(xiàn)代控制技術(shù)提出了人工神經(jīng)網(wǎng)絡(luò)理論的保護(hù)設(shè)想。神經(jīng)網(wǎng)絡(luò)軟件的反響速度比純數(shù)字計(jì)算軟件快幾十倍以上，這樣，在一樣的動(dòng)作時(shí)間下，可以大大進(jìn)步保護(hù)運(yùn)算次數(shù)，以實(shí)如今時(shí)間上即次數(shù)上進(jìn)步冗余度。一套完好的ANN保護(hù)是需要有很多輸入量的，假設(shè)對(duì)某套保護(hù)來(lái)說(shuō)，區(qū)內(nèi)、區(qū)外故障時(shí)其輸入信號(hào)幾乎一樣，那么很

7、難以此作為訓(xùn)練樣本訓(xùn)練保護(hù)，而每套保護(hù)都增多輸入量，必然會(huì)使保護(hù)、二次接線復(fù)雜化。變電站綜合自動(dòng)化也許是解決該問(wèn)題的一個(gè)較好方法，各套保護(hù)通過(guò)總線聯(lián)網(wǎng)，交換信息，充分利用ANN的并行處理功能，每套保護(hù)均對(duì)其它線路信息進(jìn)展加工，以此綜合得出動(dòng)作判據(jù)。每套保護(hù)可把每次錄得的數(shù)據(jù)文件，加上對(duì)其動(dòng)作正確性與否的判斷，作為本身的訓(xùn)練內(nèi)容，因?yàn)榧词褂袝r(shí)人工分析也不能區(qū)分哪些數(shù)據(jù)特征能使保護(hù)不正確動(dòng)作，特別是高頻模擬量。神經(jīng)網(wǎng)絡(luò)的硬件芯片如今仍很昂貴，但技術(shù)成熟時(shí)，應(yīng)利用硬件實(shí)現(xiàn)如今的軟件功能。另外，神經(jīng)網(wǎng)絡(luò)的并行處理和信息分布存儲(chǔ)機(jī)制還不非常清楚，如何選擇的網(wǎng)絡(luò)構(gòu)造還沒(méi)有充分的理論根據(jù)。所有這些都有待于對(duì)神經(jīng)網(wǎng)絡(luò)根本理論進(jìn)展深化的研究，以形成完善的理論體系，創(chuàng)造出更適宜于實(shí)際應(yīng)用的新型網(wǎng)絡(luò)及學(xué)習(xí)算法5。參考文獻(xiàn)1、陳炳華。采用形式識(shí)別智能型的保護(hù)裝置的設(shè)想。中國(guó)電機(jī)工程學(xué)會(huì)第五屆全國(guó)繼電保護(hù)學(xué)術(shù)會(huì)議，會(huì)址不詳，19932、Robert E.Uhrig.Application of Artificial Neural Networks in Industrial Technology.IEEE Trans，1994，103。1：3713775、吳捷?，F(xiàn)代控制技術(shù)在電力系統(tǒng)控制中的應(yīng)用。全國(guó)高校電力系統(tǒng)及其自動(dòng)化專業(yè)年會(huì)，廣州，19976、Matth