齊 鄭1,2，張惠汐1，饒 志1，李 志1，張首魁1

?

基于極限學(xué)習(xí)機(jī)的多信息融合區(qū)段定位方法

齊 鄭，張惠汐，饒 志，李 志，張首魁

(1.華北電力大學(xué)電氣與電子工程學(xué)院，北京 102206；2.電力節(jié)能教育部工程研究中心，北京 102206)

對(duì)于小電流接地系統(tǒng)單相接地故障定位問題，現(xiàn)有方法單一，實(shí)際運(yùn)行時(shí)準(zhǔn)確性低，難以滿足現(xiàn)場(chǎng)需要。提出一種基于極限學(xué)習(xí)機(jī)的多信息融合區(qū)段定位方法。故障發(fā)生后，終端對(duì)實(shí)時(shí)測(cè)得的零序暫態(tài)電流運(yùn)用暫態(tài)能量法、小波法、首半波法提取特征向量上傳給主站，輸入到經(jīng)訓(xùn)練后得到權(quán)重參數(shù)的極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)中，主站啟動(dòng)多信息融合定位算法并輸出區(qū)段定位結(jié)果。該方法受接地位置、接地時(shí)刻、接地過渡電阻等因素的影響較小，對(duì)不同的單相接地情況適用性強(qiáng)，具有較高的區(qū)段定位魯棒性。通過現(xiàn)場(chǎng)實(shí)際驗(yàn)證，證明了該定位方法的可行性。

小電流接地系統(tǒng)；單相接地；暫態(tài)分量；極限學(xué)習(xí)機(jī)；多信息融合

0 引言

小電流接地系統(tǒng)發(fā)生單相接地故障后需要盡快選出故障線路，經(jīng)過幾十年的發(fā)展，選線問題已經(jīng)得到了很好的解決，技術(shù)成熟，現(xiàn)有裝置可靠性高。選出故障線路后，需要進(jìn)一步找出故障點(diǎn)所在的區(qū)段，也就是區(qū)段定位問題。

利用暫態(tài)量定位相比傳統(tǒng)穩(wěn)態(tài)分量，故障特征明顯，且可以有效克服消弧線圈的影響。因此利用暫態(tài)量的定位方法優(yōu)于穩(wěn)態(tài)量。隨著終端硬件平臺(tái)的工作能力不斷強(qiáng)大，對(duì)暫態(tài)過程的采樣與分析已成為可能。

現(xiàn)有定位方法通常利用單一的故障信息進(jìn)行定位，實(shí)際運(yùn)行時(shí)準(zhǔn)確性低，難以滿足現(xiàn)場(chǎng)需求。極限學(xué)習(xí)機(jī)（ELM）是近幾年提出的一種新型單隱層前饋神經(jīng)網(wǎng)絡(luò)算法，具有與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相同的全局逼近性質(zhì)，但其網(wǎng)絡(luò)輸出權(quán)值和隱層神經(jīng)元偏移量是隨機(jī)生成的，只需要設(shè)置隱含層節(jié)點(diǎn)數(shù)，由最小二乘法得出輸出權(quán)重即可產(chǎn)生唯一最優(yōu)解。ELM相比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法，具有訓(xùn)練誤差小、泛化性能強(qiáng)、訓(xùn)練速度快等優(yōu)點(diǎn)，目前尚未應(yīng)用到小電流接地系統(tǒng)區(qū)段定位的研究中。

本文提出一種基于極限學(xué)習(xí)機(jī)的多信息融合區(qū)段定位方法，故障發(fā)生后，終端對(duì)實(shí)時(shí)測(cè)得的零序暫態(tài)電流運(yùn)用暫態(tài)能量法、小波法、首半波法提取特征向量上傳給主站，輸入到經(jīng)訓(xùn)練后得到權(quán)重參數(shù)的極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)中，主站啟動(dòng)多信息融合定位算法并輸出區(qū)段定位結(jié)果。利用極限學(xué)習(xí)機(jī)對(duì)故障后零序暫態(tài)電流進(jìn)行融合，消除了單一定位方法的固有缺陷。終端間距越小，定位越準(zhǔn)確。

1 多信息融合區(qū)段定位方法構(gòu)建

1.1 提取暫態(tài)零序電流特征數(shù)據(jù)

（1）暫態(tài)能量法

暫態(tài)能量法為提取故障發(fā)生后一個(gè)周期內(nèi)零序電流、電壓數(shù)值逐點(diǎn)相乘并加和，即

暫態(tài)能量法數(shù)值本身可以直接用于定位，但定位結(jié)果受電網(wǎng)參數(shù)、故障位置、故障初相角等條件的影響。

（2）小波法

利用小波檢測(cè)信號(hào)突變的能力，對(duì)零序電壓進(jìn)行小波變換，確定單相接地故障發(fā)生時(shí)刻，對(duì)故障線路上各終端零序電流暫態(tài)信號(hào)根據(jù)mallet算法將頻率二分為高頻細(xì)節(jié)分量和低頻近似分量，提取250~500 Hz的高頻細(xì)節(jié)分量進(jìn)行重構(gòu)。定義250~500 Hz頻帶總能量為

定義第終端250~500 Hz頻帶總能量與所有終端在該頻帶下總能量總和的比為小波幅值比。

（3）首半波法

取故障發(fā)生后前半個(gè)周期的零序電流信號(hào)，采樣頻率為4 kHz，將第終端提取的首半波幅值與所有終端首半波幅值的絕對(duì)值總和的比定義為首半波幅值比。

首半波法數(shù)值實(shí)際上反應(yīng)的是暫態(tài)零序電流的突變強(qiáng)度。接地電阻越大，零序暫態(tài)電流的幅值將相應(yīng)減小，此時(shí)單純地利用首半波法定位結(jié)果將會(huì)失效。

1.2構(gòu)建極限學(xué)習(xí)機(jī)（ELM）網(wǎng)絡(luò)

多信息融合區(qū)段定位問題可以認(rèn)為是各終端提取的零序電流特征數(shù)據(jù)與區(qū)段定位結(jié)果之間的高度非線性映射，極限學(xué)習(xí)機(jī)能夠準(zhǔn)確逼近這樣的高度非線性映射。ELM網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖1。

圖1ELM網(wǎng)絡(luò)結(jié)構(gòu)示意圖

1.2.1確定輸入層節(jié)點(diǎn)數(shù)和輸出向量

輸入層節(jié)點(diǎn)數(shù)與樣本的維數(shù)直接相關(guān)，與影響的特征數(shù)相同。本文提取的特征數(shù)據(jù)有3類（暫態(tài)能量數(shù)值比、小波幅值比、首半波幅值比），已規(guī)范到[-1,1]區(qū)間內(nèi)。整個(gè)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)就是個(gè)終端檢測(cè)到的上述3類特征數(shù)據(jù)，即=3。如圖2所示的系統(tǒng)，安裝了6臺(tái)終端（T1~T6），則輸入層節(jié)點(diǎn)數(shù)為3×6=18。

由于故障定位識(shí)別目標(biāo)只有故障線路上區(qū)段號(hào)，用一位二進(jìn)制編碼即可表示，即故障區(qū)段1，非故障為0，因此網(wǎng)絡(luò)輸出向量為系統(tǒng)個(gè)區(qū)段的定位結(jié)果[]（=1,2,…,），為0或1。圖2所示系統(tǒng)，根據(jù)6臺(tái)終端（T1~T6）安裝位置將線路劃分為s1~s6六個(gè)區(qū)段。

圖2系統(tǒng)線路圖

1.2.2確定隱含層節(jié)點(diǎn)數(shù)

隱含層節(jié)點(diǎn)數(shù)與輸入層和輸出層節(jié)點(diǎn)數(shù)有關(guān)。查閱相關(guān)文獻(xiàn)得知目前還沒有一個(gè)明確的方法。根據(jù)經(jīng)驗(yàn)公式

1.3利用極限學(xué)習(xí)機(jī)訓(xùn)練網(wǎng)絡(luò)

利用極限學(xué)習(xí)機(jī)訓(xùn)練網(wǎng)絡(luò)的步驟如下。

②設(shè)定初始隱含節(jié)點(diǎn)數(shù)和訓(xùn)練樣本數(shù)量，通過訓(xùn)練樣本訓(xùn)練極限學(xué)習(xí)機(jī)（ELM）網(wǎng)絡(luò)，確定網(wǎng)絡(luò)的權(quán)重參數(shù)。測(cè)試樣本選取現(xiàn)場(chǎng)實(shí)際故障。

④計(jì)算隱含層節(jié)點(diǎn)輸出矩陣。按照公式

(5)

⑦計(jì)算訓(xùn)練樣本的輸出誤差為

(7)

由于極限學(xué)習(xí)算法快捷方便，對(duì)于圖2所示系統(tǒng)，根據(jù)式（3）設(shè)置初始隱含層節(jié)點(diǎn)數(shù)為9，訓(xùn)練樣本數(shù)為25。訓(xùn)練網(wǎng)絡(luò)時(shí)根據(jù)輸出誤差來適當(dāng)增加隱含節(jié)點(diǎn)數(shù), 尋求一個(gè)合適的隱節(jié)點(diǎn)數(shù)。誤差大于允許范圍就增加隱含節(jié)點(diǎn)數(shù), 反之則減少節(jié)點(diǎn)數(shù)。重復(fù)步驟③到⑦，直到訓(xùn)練樣本的誤差小于10%。訓(xùn)練完成后，保存網(wǎng)絡(luò)的輸出權(quán)重。

如圖2所示，故障區(qū)段兩端都連終端時(shí)，以S3段故障為例，若>0.8，則輸出向量為[0，0,1,0,0, 0]，若<0.8，則輸出向量為[0，0，0,1,1,1]。

故障區(qū)段只一端接終端時(shí)，以S2段故障為例，若T2的暫態(tài)能量數(shù)值比<0，則輸出向量為[0,1,0,0,0,0]；若>0，則輸出向量為[1,0,0,0,0,0].

2 多信息融合區(qū)段定位方法實(shí)現(xiàn)

多信息融合區(qū)段定位步驟如下。

（1）獲取故障特征數(shù)據(jù)

考慮不同位置、不同時(shí)刻發(fā)生金屬性接地、高阻接地、經(jīng)不同過渡電阻的間歇性弧光接地（諧振接地系統(tǒng)單相間歇性弧光接地的弧道電阻主要在200~400 Ω、2 000~4 000 Ω這個(gè)區(qū)間），對(duì)系統(tǒng)進(jìn)行大量接地仿真。獲得每種接地情況下的暫態(tài)能量數(shù)值比（，，…，）、小波幅值比（，，…）、首半波幅值比（，，），其中為終端個(gè)數(shù)。

（2）訓(xùn)練ELM網(wǎng)絡(luò)

將每次接地后得到的故障特征數(shù)據(jù)作為輸入樣本，按1.3節(jié)所述步驟訓(xùn)練ELM網(wǎng)絡(luò)，輸出樣本為[]，其中：為0或1,0表示非故障區(qū)段，1表示故障區(qū)段。訓(xùn)練完成后，保存輸出權(quán)重。

（3）區(qū)段定位

將現(xiàn)場(chǎng)實(shí)際故障情況作為測(cè)試樣本輸入到訓(xùn)練后的極限學(xué)習(xí)機(jī)（ELM）中，網(wǎng)絡(luò)的輸出結(jié)果[]即為區(qū)段定位結(jié)果。

基于極限學(xué)習(xí)機(jī)的多信息融合區(qū)段定位方法具體流程圖3所示。

3 現(xiàn)場(chǎng)測(cè)試情況

（1）采用 Matlab/Simulink搭建仿真模型

設(shè)計(jì)圖2所示10 kV中性點(diǎn)不接地系統(tǒng)和中性點(diǎn)經(jīng)消弧線圈接地系統(tǒng)在不同位置、不同時(shí)刻發(fā)生25種不同類型的故障，進(jìn)行接地仿真。以中性點(diǎn)不接地系統(tǒng)為例，其Simulink仿真模型如圖4所示，采樣間隔選為200 μs，即每個(gè)周期采樣100個(gè)點(diǎn)。

圖4所示中性點(diǎn)不接地系統(tǒng)仿真模型各模塊介紹如下。

圖 3基于極限學(xué)習(xí)機(jī)的多信息融合區(qū)段定位流程圖

①電源：電源模塊采用Simulink仿真平臺(tái)中Simpower庫中的“Three-phase source”模型，輸出電壓為10.5 kV，內(nèi)部接線方式為Y形聯(lián)接。

②線路：模型中共有一條一級(jí)線路，三條分支線路，線路均采用“Three-Phase PI Section Line1”模型，參數(shù)設(shè)置為

正序參數(shù)：1=0.012 73 Ω/km，1=0.933 7e-3 H/km，1=12.74e-9 F/km；

零序參數(shù)：R0=0.386 4 Ω/km，0=4.126 4e-3 H/km，C0=8.751e-9 F/km。

③負(fù)荷：線路負(fù)荷均采用“Three-Phase Series RLC Load”模型，其有功負(fù)荷為1 MW。

④終端：終端即圖4中所示的FTU模塊，與線路上的“Three-PhaseV-IMeasurement”模塊相連，用來測(cè)量線路電壓，電流，零序電流，零序電壓信號(hào)。FTU模塊由“in”模型，“Add”模型，“Scope”模型封裝成一Subsystem子系統(tǒng)，如圖5所示。

Fig. 5Packaged FTU subsystem

選定0.04 s時(shí)，在終端5的下游，即區(qū)段S5發(fā)生A相金屬性接地故障，接地電阻10 Ω，仿真時(shí)間0.2 s，仿真后所得母線電壓和各終端測(cè)得零序電流波形如圖6所示。

圖6金屬性接地波形圖

Fig. 6Metallic ground waveform diagram

其他24種接地仿真情況類似，由于篇幅所限，不再贅述。

（2）現(xiàn)場(chǎng)測(cè)試情況

在主站編寫內(nèi)置基于極限學(xué)習(xí)機(jī)的多信息融合定位軟件，終端具有“二遙”功能，可以將零序暫態(tài)電流特征數(shù)據(jù)通過GPRS上傳給主站。在現(xiàn)場(chǎng)進(jìn)

行安裝測(cè)試。

現(xiàn)場(chǎng)的線路圖如圖7所示，矩形表示出線斷路器（實(shí)心矩形表示出線斷路器閉合，空心矩形表示出線斷路器斷開），方塊表示分段斷路器（實(shí)心方塊表示分段斷路器閉合，空心方塊表示分段斷路器斷開），黑色圓圈表示終端。

系統(tǒng)運(yùn)行方式：除分段開關(guān)K4閉合外其他分段開關(guān)均斷開，變電站C的出線斷路器KB5斷開，根據(jù)終端安裝位置將線路劃分為s1~s5五個(gè)區(qū)段。

圖7現(xiàn)場(chǎng)線路圖

設(shè)置四種典型接地故障，各終端暫態(tài)能量數(shù)值比、小波幅值比、首半波幅值比、主站信息融合結(jié)果及區(qū)段定位結(jié)果如表1所示。

由表1可見，通過極限學(xué)習(xí)機(jī)融合暫態(tài)能量數(shù)值比、小波幅值比、首半波幅值比三種故障特征進(jìn)行區(qū)段定位，綜合了單一定位方法的優(yōu)點(diǎn)，達(dá)到了互補(bǔ)的效果，在不同接地位置、不同故障時(shí)刻、不同過渡電阻的單相接地情況下均能夠準(zhǔn)確定位。

4 結(jié)論

本文提出了基于極限學(xué)習(xí)機(jī)的多信息融合區(qū)段定位方法，相比于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，極限學(xué)習(xí)機(jī)具有參數(shù)選擇容易，訓(xùn)練速度快，不會(huì)陷入局部最優(yōu)等優(yōu)點(diǎn)。該方法受接地位置、接地時(shí)刻、接地過渡電阻等因素的影響較小，對(duì)不同的單相接地情況適用性強(qiáng)，具有較高的區(qū)段定位魯棒性。

表1不同接地情況下主站信息融合結(jié)果

[1] 鄭顧平, 杜向楠, 齊鄭. 小電流單相接地故障在線定位裝置研究與實(shí)現(xiàn)[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(8): 135-139.

ZHENG Gu-ping, DU Xiang-nan, QI Zheng.Research and implementation of neutral ineffective single-phase ground fault online location device[J]. Power System Protection and Control, 2012, 40(8): 135-139.

[2] 杜剛, 劉迅, 蘇高峰. 基于 FTU 和“S”信號(hào)注入法的配電網(wǎng)接地故障定位技術(shù)的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(12): 73-76.

DU Gang, LIU Xun, SU Gao-feng.Research on technology of grounding fault location combining FTU and “S” signal injecting method in distributiom grid[J]. Power System Protection and Control, 2010, 38(12): 73-76.

[3] 孫波, 張承慧, 孫同景, 等. 基于暫態(tài)相電流的小電流接地故障定位研究[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(18): 69-74.

SUN Bo, ZHANG Cheng-hui, SUN Tong-jing, et al. Earth fault location based on transient phase current in non-solidly earthed network[J]. Power System Protection and Control, 2012, 40(18): 69-74.

[4] 張慧芬, 潘貞存, 桑在中. 基于注入法的小電流接地

系統(tǒng)故障定位新方法[J]. 電力系統(tǒng)自動(dòng)化, 2004, 28(3): 64-66.

ZHANG Hui-fen, PAN Zhen-cun, SANG Zai-zhong. Injecting current based method for fault location in neutral isolated power system[J]. Automation of Electric Power Systems, 2004, 28(3): 64-66.

[5] 唐金銳, 尹項(xiàng)根, 張哲, 等. 零模檢測(cè)波速度的迭代提取及其在配電網(wǎng)單相接地故障定位中的應(yīng)用[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(4): 202-211.

TANG Jin-rui, YIN Xiang-gen, ZHANG Zhe, et al. Iterative extraction of detected zero-mode wave velocity and its application in single phase-to-ground fault location in distribution networks[J]. Transactions of China Electrotechnical Society, 2013, 28(4): 202-211.

[6] 潘華賢, 程國建, 蔡磊. 極限學(xué)習(xí)機(jī)與支持向量機(jī)在儲(chǔ)層滲透率預(yù)測(cè)中的對(duì)比研究[J].計(jì)算機(jī)工程與科學(xué), 2010, 32(2): 131-134.

PAN Hua-xian, CHENG Guo-jian, CAI Lei. Comparison of the extreme learning machine with the support vector machine for reservoir permeability prediction[J]. Computer Engineering and Science, 2010, 32(2): 131-134.

[7] 胡義函, 張小剛, 陳華, 等.一種基于魯棒估計(jì)的極限學(xué)習(xí)機(jī)方法[J].計(jì)算機(jī)應(yīng)用研究, 2012, 29(8): 28-30.

HU Yi-han, ZHANG Xiao-gan, CHEN Hua, et al. Extreme learning machine on robust estimation[J]. Application Research of Computers, 2012, 29(8): 28-30.

[8] 朱丹, 賈雅君, 蔡旭. 暫態(tài)能量法原理選線[J]. 電力自動(dòng)化設(shè)備, 2004, 24(3): 75-78.

ZHU Dan, JIA Ya-jun, CAI Xu.Transient energy to detect single-phase earthing fault[J].Electric Power Automation Equipment, 2004, 24(3): 75-78.

[9] 賈清泉, 劉連光, 楊以涵, 等. 應(yīng)用小波檢測(cè)故障突變特性實(shí)現(xiàn)配電網(wǎng)小電流故障選線保護(hù)[J]. 中國電機(jī)工程學(xué)報(bào), 2001, 21(10): 78-82.

JIA Qing-quan, LIU Lian-guang, YANG Yi-han, et al. Abupt change detection with wavelet for small current fault relaying[J]. Proceedings of the CSEE, 2001, 21(10): 78-82.

[10] 龔靜, 李英姿, 王亞慧. 基于DSP的小電流接地系統(tǒng)暫態(tài)首半波法實(shí)現(xiàn)[J]. 電工技術(shù), 2006(9): 34-36.

GONG Jing, LI Ying-zi, WANG Ya-hui. The first half-wave method to achieve DSP-based transient small current grounding system[J]. Electric Engineering, 2006(9): 34-36.

[11]銀濤, 俞集輝. 基于人工神經(jīng)網(wǎng)絡(luò)送電線路工程造價(jià)的快速估算[J]. 重慶大學(xué)學(xué)報(bào): 自然科學(xué)版, 2007, 30(1): 36-41.

YIN Tao, YU Ji-hui. Cost estimation of transmission line based on artificial neural network[J]. Journal of Chongqing University: Natural Science Edition, 2007, 30(1): 36-41.

[12]齊鄭, 鄭朝, 楊以涵. 諧振接地系統(tǒng)單相接地故障區(qū)段定位方法[J]. 電力系統(tǒng)自動(dòng)化, 2010, 34(9): 77-80.

QI Zheng, ZHENG Zhao, YANG Yi-han. Research on method of single-phase-to-earth fault section location in neutral point resonant grounded system[J]. Automation of Electric Power Systems, 2010, 34(9): 77-80.

[13]齊鄭, 高玉華, 楊以涵. 配電網(wǎng)單相接地故障區(qū)段定位矩陣算法的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(20): 159-163.

QI Zheng, GAO Yu-hua, YANG Yi-han. Research on matrix-based algorithm for single-phase-to-earth fault section location in distribution grid[J]. Power System Protection and Control, 2010, 38(20): 159-163.

[14]VAZQUEZ M E, CHACON M O L, ALTUVE F H J. An on-line expert system for fault section diagnosis in power system[J]. IEEE Trans on Power Systems, 1997, 12(1): 357-362.

[15]THUKARAM D, KHINCHA H P, VIJAYNARASIMHA H P. Artificial neural network and support vector machine approach for locating faults in radial distribution systems[J]. IEEE Trans on Power Delivery, 2005, 20(2): 710-721.

[16]吳登國, 李曉明.基于極限學(xué)習(xí)機(jī)的配電網(wǎng)重構(gòu)[J]. 電力自動(dòng)化設(shè)備, 2013, 33(2): 47-51.

WU Deng-guo, LI Xiao-ming. Reactive power optimization based on primal-dual interior point method and branch & bound algorithm for distribution network and its parallel implementation[J]. Electric Power Automation Equipment, 2013, 33(2): 47-51.

[17]舒雋, 甘磊. 極限學(xué)習(xí)機(jī)方法在電力線路建設(shè)成本估算中的應(yīng)用研究[J]. 現(xiàn)代電力, 2011, 28(4): 78-83.

SHU Jun, GAN Lei. Research on cost estimation of power lines construction projects based on extreme learning machine method[J].Modern Electric Power, 2011, 28(4): 78-83.

Multi-information fusion fault location based on extreme learning machine

QI Zheng, ZHANG Hui-xi, RAO Zhi, LI Zhi, ZHANG Shou-kui

(1. North China Electric Power University, Beijing 102206, China; 2.Electric Power Energy Saving Education Ministry Engineering Research Center, Beijing 102206, China)

Fault location methods for single-phase-to-earth in small current neutral grounding system are difficult to meet the needs of the site, which is too simple to have a high accuracy in actual run-time. This paper presents a fault location method of multi-information fusion based on extreme learning machine. For real-time measured zero-sequence transient current, the terminal uses transient energy method, wavelet method, and the first half-wave method to extract feature vector and uploads it to the host station; inputs to the extreme learning machine network which has the be-trained parameters. Host station restarts multi-information fusion fault location and output search result. The method is less affected by ground position, grounding moment, ground transition resistance and other factor, is applicable to different single-phase ground case, which has higher fault location robustness. The on-site experiments are carried out to prove the feasibility of the method.

small current neutral grounding system; single-phase-to-earth fault; transient component; extreme learning machine; multi-information fusion

TM71

A

1674-3415(2014)19-0074-07

2013-12-30；

2014-05-08

齊 鄭(1977－), 男, 博士, 副教授, 主要研究方向?yàn)殡娏ο到y(tǒng)分析與控制、配電網(wǎng)自動(dòng)化等；

張惠汐 (1990 - ), 女, 碩士研究生, 主要研究方向?yàn)榕潆娋W(wǎng)自動(dòng)化。E-mail: zhanghx0128@163.com