包立公， 張瑞祥

（1.內(nèi)蒙古烏蘭察布電力勘測設(shè)計所，內(nèi)蒙古集寧012000；2.西北電力設(shè)計院自動化室，陜西西安710075）

人工神經(jīng)網(wǎng)絡(luò)在各個領(lǐng)域得到了廣泛的應(yīng)用，尤其是在智能系統(tǒng)中的非線性建模及其控制器的設(shè)計、模式分類與模式識別、聯(lián)想記憶和優(yōu)化計算等方面更是得到人們的極大關(guān)注。1991年7月在美國召開了第一屆神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中應(yīng)用的國際學(xué)術(shù)會議，使得神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用得到了世界范圍的廣泛關(guān)注。目前就電力系統(tǒng)而言，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)應(yīng)用到發(fā)電、輸電、配電和用電的各個方面。

1人工神經(jīng)網(wǎng)絡(luò)原理和技術(shù)特點

人工神經(jīng)網(wǎng)絡(luò)(ANN)是二十世紀80年代中后期世界范圍內(nèi)迅速發(fā)展的一個前沿研究領(lǐng)域，是一門高度綜合的交叉學(xué)科，它的研究和發(fā)展涉及神經(jīng)生理科學(xué)、數(shù)理科學(xué)、信息科學(xué)和計算機科學(xué)等眾多領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦組織結(jié)構(gòu)和人類認知過程的信息處理系統(tǒng)。它由人工模擬的大量簡單的神經(jīng)元以一定的方式連接而成，單個人工神經(jīng)元實現(xiàn)輸入到輸出的非線性關(guān)系，它們之間的連接組合使得人工神經(jīng)網(wǎng)絡(luò)具有復(fù)雜的非線性特性。人工神經(jīng)網(wǎng)絡(luò)具有很強的自組織、自學(xué)習(xí)能力。它通過現(xiàn)場大量的標準樣本學(xué)習(xí)與訓(xùn)練，自動調(diào)整各神經(jīng)元之間的連接權(quán)和閥值，使獲取的知識隱式分布在整個網(wǎng)絡(luò)上，并實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)的模式記憶。和其他信息處理方法相比，人工神經(jīng)網(wǎng)絡(luò)具有諸多優(yōu)點：強大的知識獲取能力和信息容錯能力；學(xué)習(xí)能力強，可以實現(xiàn)知識的自組織，適應(yīng)不同信息處理的要求；神經(jīng)元之間的計算具有相對獨立性，便于并行處理，執(zhí)行速度快。正是由于人工神經(jīng)網(wǎng)絡(luò)有極強的非線性擬合能力和自學(xué)習(xí)能力，且具有聯(lián)想記憶、魯棒性強等性能，使人工神經(jīng)網(wǎng)絡(luò)對于電力系統(tǒng)這個存在著大量非線性的復(fù)雜大系統(tǒng)來說有很大的應(yīng)用潛力，很多難以列出方程式或難以求解的復(fù)雜的非線性問題，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法則可迎刃而解。

2人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用

2.1故障診斷

目前神經(jīng)網(wǎng)絡(luò)用于電力系統(tǒng)的故障診斷，主要集中在對電網(wǎng)的故障處理。電網(wǎng)中的每一類故障都會產(chǎn)生一組警報信息，不同類別的故障具有不同的警報組合。因而可以將警報處理和故障診斷表示為模式識別問題，這樣就適用于人工神經(jīng)網(wǎng)絡(luò)來進行處理。用人工神經(jīng)網(wǎng)絡(luò)進行故障診斷的基本原理是：將故障警報信息進行數(shù)字量化作為神經(jīng)網(wǎng)絡(luò)的輸入量。神經(jīng)網(wǎng)絡(luò)的輸出量代表故障診斷的結(jié)果。首先對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練學(xué)習(xí)，即將特定故障對應(yīng)的警報模式作為樣本，建立較全的樣本庫，然后用所有的樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，這樣就可以將樣本庫的知識以網(wǎng)絡(luò)的形式存儲在神經(jīng)網(wǎng)絡(luò)的連接權(quán)中，最后通過神經(jīng)網(wǎng)絡(luò)輸入量計算就可以完成故障診斷。故障診斷中神經(jīng)網(wǎng)絡(luò)所采用的模型大多為反向傳播算法（BP）模型，這主要是由于對BP模型的研究比較成熟，使用比較可靠。文獻[1]較早提出了用BP進行警報處理和故障診斷方法。該方法將警報信息作為神經(jīng)網(wǎng)絡(luò)的輸入量，故障作為神經(jīng)網(wǎng)絡(luò)的輸出量。用于識別電網(wǎng)發(fā)生的故障。這種方法的缺點是不能用于大規(guī)模系統(tǒng)。

除電網(wǎng)故障診斷外，人工神經(jīng)網(wǎng)絡(luò)還被應(yīng)用于電力系統(tǒng)設(shè)備的故障診斷，包括變壓器、發(fā)電機、電纜、斷路器、絕緣子等。

變壓器的故障診斷是人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)應(yīng)用研究中較早提出的一個課題。當變壓器內(nèi)部出現(xiàn)異常時，都會在絕緣油中產(chǎn)生異常氣體，將反映變壓器絕緣油的特征元素以及油溫、油壓、各種噪聲和繞組直流電阻、絕緣電阻介質(zhì)損等信號匯集成一個樣本集，對人工神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練，網(wǎng)絡(luò)投入實際運行后，即能對各種可能出現(xiàn)的異常故障作出正確的診斷。文獻[2]應(yīng)用6個神經(jīng)網(wǎng)絡(luò)組成模塊化結(jié)構(gòu)的變壓器故障診斷系統(tǒng)，該系統(tǒng)可正確判斷變壓器內(nèi)部焊接不良、繞組擊穿、鐵芯接地等各種故障，正確率可達到90%以上。

文獻[3]基于一種聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)，通過網(wǎng)絡(luò)的聯(lián)想能力快速準確地進行電機早期故障的雙向診斷，有效地處理各種模式并存的故障診斷問題，使診斷系統(tǒng)具有良好的魯棒性。

文獻[4]利用人工神經(jīng)網(wǎng)絡(luò)判斷高壓電纜絕緣破壞前的電暈放電波形和一般噪聲波形的區(qū)別，經(jīng)過學(xué)習(xí)對故障波形判斷的準確率在99%以上。

文獻[5]提出了一種以振動信號小波包能譜熵為特征量的斷路器故障神經(jīng)網(wǎng)絡(luò)診斷方法。利用小波包分解原理將高壓斷路器振動信號分解到不同頻段中，計算各頻段的能譜熵值，以此構(gòu)造小波包能譜熵向量作為神經(jīng)網(wǎng)絡(luò)的輸入向量，并利用遺傳算法對網(wǎng)絡(luò)的連接權(quán)值進行了優(yōu)化,試驗結(jié)果表明了該方法的有效性，改進后的神經(jīng)網(wǎng)絡(luò)具有新故障模式的識別功能。

文獻[6]根據(jù)絕緣子在線檢測的特點,提出了基于改進ART2神經(jīng)網(wǎng)絡(luò)的絕緣子故障在線診斷技術(shù),解決了傳統(tǒng)ART2神經(jīng)網(wǎng)絡(luò)聚類中心漂移問題，杜絕了絕緣子故障漏判的發(fā)生． 仿真實驗結(jié)果表明，應(yīng)用改進的ART2神經(jīng)網(wǎng)絡(luò)可有效實現(xiàn)絕緣子故障在線檢測，獲得較好的診斷結(jié)果。

2.2智能控制

勵磁控制是控制發(fā)電機端電壓和無功功率的重要組成部分，是重要的實時連續(xù)控制系統(tǒng)，對維持電力系統(tǒng)的穩(wěn)定性起主要作用，完成該功能的部分又稱為電力系統(tǒng)穩(wěn)定器(PSS)。由于大容量機組的投入和快速勵磁系統(tǒng)的應(yīng)用，系統(tǒng)的動態(tài)穩(wěn)定性問題愈來愈突出，應(yīng)用4層BP網(wǎng)絡(luò)對發(fā)電機運行方式和系統(tǒng)干擾進行精確在線識別，并以此為基礎(chǔ)設(shè)計一種最優(yōu)勵磁調(diào)節(jié)器模型，這種調(diào)節(jié)器比固定點線性勵磁方式具有更強的穩(wěn)定性能和較好的動態(tài)品質(zhì)。采用改進型神經(jīng)網(wǎng)絡(luò)由2個子神經(jīng)網(wǎng)絡(luò)綜合構(gòu)成：一個是應(yīng)用遞推最小二乘算法的線性神經(jīng)網(wǎng)絡(luò)；一個是應(yīng)用動態(tài)BP算法的動態(tài)遞歸網(wǎng)絡(luò)。對基于相控整流直流傳動系統(tǒng)的自適應(yīng)控制實現(xiàn)策略的進行仿真，結(jié)果表明該自適應(yīng)控制器性能好于傳統(tǒng)的PID控制器?；谌斯ど窠?jīng)網(wǎng)絡(luò)的自適應(yīng)勵磁控制和動態(tài)電阻制動的綜合控制器，線路故障失去700 MW電源時，穩(wěn)定控制切換負荷誤差小于0.5 MW的比例達到81.5%，最大誤差在2～3 MW之間的僅為1%，顯示了較好的控制特性。

2.3繼電保護

神經(jīng)網(wǎng)絡(luò)技術(shù)在繼電保護領(lǐng)域中應(yīng)用的優(yōu)勢和特點非常明顯。它的并行處理能力能加快保護的計算速度和判別速度；它的魯棒性和容錯性可極大地提高數(shù)字保護抗干擾能力和容錯能力，提高數(shù)字保護抗電流互感器（TA）飽和的能力以及適應(yīng)電力系統(tǒng)故障暫態(tài)過程的能力，提高數(shù)字保護整體的安全性、可靠性和穩(wěn)定性。到目前為止，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)被應(yīng)用于線路保護、變壓器保護、母線保護、發(fā)變組保護等多個繼電保護領(lǐng)域。

在線路保護方面，文獻[7]采用神經(jīng)網(wǎng)絡(luò)實現(xiàn)電流保護，該保護能識別故障情況，解決電流保護的靈敏度補償和故障方向的識別問題。

應(yīng)用神經(jīng)網(wǎng)絡(luò)理論的保護裝置是神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)融為一體的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。例如在雙側(cè)電源系統(tǒng)里，兩側(cè)系統(tǒng)電勢夾角變化，此時發(fā)生經(jīng)過渡電阻短路就是一個非線性問題，傳統(tǒng)的距離保護很難作出正確判斷，而用經(jīng)過對訓(xùn)練樣本進行學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)保護裝置就可以正確判別。文獻[8]利用了人工神經(jīng)網(wǎng)絡(luò)的優(yōu)越性來實現(xiàn)自適應(yīng)距離保護。設(shè)計的距離保護網(wǎng)絡(luò)由2個獨立子網(wǎng)絡(luò)組成：振蕩識別子網(wǎng)絡(luò)ANNl、故障檢測子網(wǎng)絡(luò)ANN2。2個子網(wǎng)絡(luò)輸出的結(jié)果經(jīng)過綜合判斷后，給出系統(tǒng)所處的狀態(tài)，在故障發(fā)生時，按故障類型發(fā)出保護跳閘命令并給出保護啟動、系統(tǒng)有無振蕩等信號。

文獻[9]利用人工神經(jīng)網(wǎng)絡(luò)模式識別技術(shù)，實現(xiàn)了超高壓輸電線路方向高頻保護，建立了3層BP網(wǎng)絡(luò)。該保護通過對被保護線路電壓、電流特征值的學(xué)習(xí)，不僅能自適應(yīng)地識別輸電線路在各種運行方式和故障條件下的故障方向及故障相別，而且在整個時域上都具有準確的識別能力，克服了各種方向高頻保護的缺陷，滿足了作為超高壓輸電線路主保護的要求。

人工神經(jīng)網(wǎng)絡(luò)避免了常規(guī)差動保護整定方法的不靈活性和原理上的不足，有工程實用價值，文獻[10]提出了基于BP網(wǎng)絡(luò)的差動保護。仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)用于差動保護是合理、可行的。

在變壓器保護方面，文獻[11]建立了基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的變壓器保護。檢驗結(jié)果表明，所建立的神經(jīng)網(wǎng)絡(luò)對變壓器所發(fā)生的故障狀態(tài)的響應(yīng)時間小于10 ms。并且該方法克服了常規(guī)保護及目前變壓器保護中的缺點，能夠?qū)ψ儔浩魈幱趧畲庞苛鳡顟B(tài)進行正確判斷，具有很好的工作性能，能夠正確識別變壓器所處的各種狀態(tài)。

在母線保護方面，文獻[12]提出的一種基于神經(jīng)網(wǎng)絡(luò)模型的母線保護，將母線上各TA的不同特性全部放入到神經(jīng)網(wǎng)絡(luò)中，并將從各TA獲得的同步采樣電流值作為神經(jīng)網(wǎng)絡(luò)的輸入，依據(jù)此模型可以區(qū)分不同情況下的母線內(nèi)部故障和外部故障。

2.4優(yōu)化運算

電力系統(tǒng)優(yōu)化問題通常具有大規(guī)模、非線性等特點，常規(guī)優(yōu)化方法往往難以求解。人工神經(jīng)網(wǎng)絡(luò)在處理非線性、多變量、多約束的電力系統(tǒng)優(yōu)化問題方面有其特有的優(yōu)勢。

文獻[13]把Hopfield網(wǎng)絡(luò)應(yīng)用于梯級水電站實現(xiàn)實時優(yōu)化調(diào)度，克服了梯級水電站經(jīng)濟調(diào)度約束條件復(fù)雜、計算量大、優(yōu)化問題具有非線性特性等缺陷。

文獻[14]提出了一種城市電網(wǎng)規(guī)化中多階段變電站規(guī)劃優(yōu)化的新算法。該算法先用貪心法快速求解目標年新建變電站的座數(shù)和各變電站（包括已有變電站）的目標年容量，再利用Hopfield神經(jīng)網(wǎng)絡(luò)算法計算新建變電站的位置和各變電站（包括已有變電站）在各規(guī)劃階段的供電范圍，最后確定各變電站在各階段的真實容量及投建計劃。

文獻[15]提出利用兩級人工神經(jīng)網(wǎng)絡(luò)進行系統(tǒng)無功/電壓控制。第一級人工神經(jīng)網(wǎng)絡(luò)檢測出系統(tǒng)中無功/電壓越限的節(jié)點，第二級是給出校正對策。為了加速樣本訓(xùn)練收斂速度，還提出一種加速B-P算法，使系統(tǒng)收斂速度大為提高。

文獻[16]提出利用多層Hopfield神經(jīng)網(wǎng)絡(luò)求解機組組合優(yōu)化問題。通過構(gòu)造合適的能量函數(shù)使得單層Hopfield神經(jīng)網(wǎng)絡(luò)可以解決某一時刻的機組出力問題，與之相對應(yīng)的多層神經(jīng)網(wǎng)絡(luò)可以解決任意時間段的機組出力問題。通過對已有文獻的算例進行計算比對，所得結(jié)果和遺傳算法基本一致，但Hopfield神經(jīng)網(wǎng)絡(luò)通過解微分方程組來確定最優(yōu)解，計算時間相對較少。

文獻[17]在傳統(tǒng)混沌神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，提出了一種具有衰減混沌噪聲的混沌模擬退火神經(jīng)網(wǎng)絡(luò)模型，該模型結(jié)合了Hopfield神經(jīng)網(wǎng)絡(luò)與模擬退火算法的優(yōu)點，從而使該模型可以有效地解決高維、離散、非凸的非線性約束優(yōu)化問題。對電力系統(tǒng)經(jīng)濟負荷分配問題的應(yīng)用表明，該模型的算法是可行和有效的。

2.5負荷預(yù)測

負荷預(yù)測是人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)應(yīng)用研究的一個主要領(lǐng)域。由于負荷和影響負荷變量之間的關(guān)系難以用精確的數(shù)學(xué)模型加以描述，因此增加了模型的復(fù)雜性。而人工神經(jīng)網(wǎng)絡(luò)不依賴于輸入變量和預(yù)測負荷之間的明確的表達式，輸入變量和預(yù)測負荷之間的關(guān)系是通過訓(xùn)練過程得到。此外，該技術(shù)還適于解決時間序列預(yù)測問題 （尤其是平穩(wěn)隨機過程的預(yù)測）。因此，人工神經(jīng)網(wǎng)絡(luò)技術(shù)在電力系統(tǒng)負荷預(yù)測中的應(yīng)用理論是可行的。

文獻[18]提出的混合模型神經(jīng)網(wǎng)絡(luò)短期負荷預(yù)測方法同時具有人工神經(jīng)網(wǎng)絡(luò)捕獲各種變化趨勢、逼近非線性關(guān)系的優(yōu)點以及傳統(tǒng)電力系統(tǒng)負荷預(yù)測線性模型方法的快速收斂、實時跟蹤的優(yōu)點，取得了較好的預(yù)測效果。文獻[19]根據(jù)電力系統(tǒng)短期負荷變化的特性，提出了BP模型在實際負荷預(yù)測應(yīng)用中方法和步驟，對BP網(wǎng)絡(luò)、樣本空間、收斂性等作了有針對性的研究，結(jié)果表明：多層神經(jīng)網(wǎng)絡(luò)應(yīng)用于電力系統(tǒng)短期負荷預(yù)測是可行和有效的，其預(yù)報結(jié)果比傳統(tǒng)的負荷預(yù)測方法更準確、經(jīng)濟、效果更好。

文獻[20]根據(jù)廣東省電力市場競價規(guī)則和競價模式，針對電力負荷預(yù)測，利用布朗二次多項式指數(shù)平滑法和常規(guī)BP網(wǎng)絡(luò)和遞推合成神經(jīng)網(wǎng)絡(luò)的方法開發(fā)了滿足負荷預(yù)測標準的預(yù)測模型，通過實例證明了預(yù)測模型是合理的、可用的。

3結(jié)束語

當代科學(xué)技術(shù)發(fā)展的重要趨勢就是各學(xué)科的相互滲透和交叉，電力系統(tǒng)中仍然存在著很多的非線性問題，用傳統(tǒng)的方法，難以得到滿意地解決，而人工神經(jīng)網(wǎng)絡(luò)理論作為一種人工智能的方法，則能夠滿意的解決此類問題。因此，隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，更多且更復(fù)雜的電力系統(tǒng)非線性問題都可以得到解決。

[1]CHAN E.Application of Neural Network Computing in Intelligent Alarm Processing[C].IEEE Conference PICA’89，Seattle，1989.

[2]楊啟平，藍之達.基于人工神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J].變壓器，2000，37（3）：33-36.

[3]何雨儐，薛模根.基于神經(jīng)網(wǎng)絡(luò)的電機狀態(tài)監(jiān)測與早期故障診斷[J].電工技術(shù)學(xué)報，1997，12（5）：41-44.

[4]張津春，茶幡淳.采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)對高壓線纜絕緣破壞預(yù)測的研究[J].河北工業(yè)大學(xué)學(xué)報，1998，27（3）：53-58.

[5]陳偉根，鄧幫飛.小波包能譜熵與神經(jīng)網(wǎng)絡(luò)在斷路器故障診斷中的應(yīng)用[J].重慶大學(xué)學(xué)報，2008，31（7）：744-748.

[6]張海龍，關(guān)根志.基于改進ART2神經(jīng)網(wǎng)絡(luò)的絕緣子故障在線診斷[J].湖南大學(xué)學(xué)報，2008，35（10）：41-45.

[7]房鑫炎，鐘 聰，沈芳良.基于人工神經(jīng)網(wǎng)絡(luò)自適應(yīng)電流保護[J].繼電器，2000，28（5）：16-19.

[8]都洪基，鄧 烽，蘇煒宏.基于人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)距離保護[J].繼電器，2002，30（2）：38-41.

[9]王 鋼，李 遙，劉眾仆，等.基于ANN的超高壓輸電線路方高頻保護[J].電力系統(tǒng)自動化，1998，22（5）：18-21．

[10]賈德香，韓 凈．神經(jīng)網(wǎng)絡(luò)差動保護技術(shù)[J].電工技術(shù)，2003（3）：11-12．

[11]胡香玲，馮 浩，華 亮.基于RBF神經(jīng)網(wǎng)絡(luò)的變壓器保護[J].電氣應(yīng)用，2005，24（10）：59-62．

[12]羅 建，李亞軍.基于神經(jīng)網(wǎng)絡(luò)模型的母線保護[J].電力系統(tǒng)自動化，2002，26（11）：41-44.

[13]陳祥光，裴旭東.人工神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用[M].北京：中國電力出版社，2003.

[14]高煒欣，羅先覺.基于Hopfield神經(jīng)網(wǎng)絡(luò)的多階段配電變電站的規(guī)劃優(yōu)化[J].電工技術(shù)學(xué)報， 2005，20（5）：58-64.

[15]岑文輝，李國有，孔 慧.應(yīng)用人工神經(jīng)網(wǎng)絡(luò)進行無功/電壓控制[J].中國電機工程學(xué)報，1992，12（3）：60-65.

[16]高煒欣，穆向陽，湯 楠，等.Hopfield神經(jīng)網(wǎng)絡(luò)在機組組合問題中的應(yīng)用[J].計算機應(yīng)用，2009，29（4）：1028-1031.

[17]毛亞林，張國忠，朱 斌，等.基于混沌模擬退火神經(jīng)網(wǎng)絡(luò)模型的電力系統(tǒng)經(jīng)濟負荷分配[J].中國電機工程學(xué)報，2005，25（3）：65-70.

[18]賴曉平.混合模型神經(jīng)網(wǎng)絡(luò)在短期負荷預(yù)測中的應(yīng)用[J].控制理論于應(yīng)用，2000，17（1）：69-72.

[19]胡 暉，楊 華，胡 斌.人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)短期負荷預(yù)測中的應(yīng)用[J].湖南大學(xué)學(xué)報,2004，31（5）：51-53.

[20]林艷妮.電力市場發(fā)電側(cè)競價上網(wǎng)研究[D].重慶：重慶大學(xué)，2004.