張明遠(yuǎn)，楊 濤，慕洪勝，劉 洋，馬 睿

（解放軍65056部隊(duì)，遼寧鐵嶺 112002）

SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)在不接地IT系統(tǒng)對地絕緣故障相判別中的應(yīng)用

張明遠(yuǎn)，楊 濤，慕洪勝，劉 洋，馬 睿

（解放軍65056部隊(duì)，遼寧鐵嶺 112002）

分析了不接地IT系統(tǒng)故障前后對地電壓變化量隨接地電阻的變化過程，得出了故障前后系統(tǒng)對地電壓變化量與故障相別的關(guān)系。對地電壓變化量最大相的相位滯后相或者超前相為故障相，N線發(fā)生故障時系統(tǒng)對地電壓變化量較小。結(jié)合SOM神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，提出了基于SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)的故障相判別方法。利用實(shí)際工程試驗(yàn)數(shù)據(jù)進(jìn)行了測試，結(jié)果表明SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)經(jīng)訓(xùn)練后能夠準(zhǔn)確判斷故障相別。

不接地IT系統(tǒng) 對地絕緣故障 故障相判別 自組織映射神經(jīng)網(wǎng)絡(luò) 誤差反向傳播神經(jīng)網(wǎng)絡(luò) 復(fù)合神經(jīng)網(wǎng)絡(luò)

0 引言

不接地IT系統(tǒng)發(fā)生單相對地絕緣故障時，由于無法構(gòu)成故障回路，系統(tǒng)仍可持續(xù)運(yùn)行一段時間，具有較高的供電可靠性[1,2]。在一些供電連續(xù)性要求高、單相接地故障頻繁的場所應(yīng)用非常廣泛，如醫(yī)院、船舶、礦井、大型發(fā)電廠等[3,4]。而絕緣故障在系統(tǒng)中是不可避免的，及時發(fā)現(xiàn)故障、判斷故障部位并做到及時處理，對于保障電網(wǎng)安全供電和連續(xù)供電具有十分重大的意義[5,6]。

文獻(xiàn)[7]分析了三相三線制IT系統(tǒng)對地絕緣故障相與中性點(diǎn)對地電壓幅值與相位的關(guān)系，并實(shí)現(xiàn)了一種以故障后中性點(diǎn)對地電壓幅值和相位為基礎(chǔ)的故障相判別方法，但是忽略了實(shí)際系統(tǒng)中存在的由于系統(tǒng)阻抗不平衡、容抗不平衡所產(chǎn)生的中性點(diǎn)電壓漂移問題，且需要劃分多個區(qū)間導(dǎo)致算法盲區(qū)較多。本文針對配出中性導(dǎo)體不接地IT系統(tǒng)，分析了考慮分布電容和阻抗不平衡情況下故障前后的系統(tǒng)對地電壓的變化情況，找出了A、B、C三相及N線接地后的故障特征。由于故障特征值受接地電阻大小、分布電容和阻抗不平衡程度的影響，無法確定統(tǒng)一的判據(jù)。從信息融合的角度出發(fā)，利用自組織特征映射 (Self Organizing Mapping，SOM) 網(wǎng)絡(luò)和誤差反向傳播(Error Back Propagation，BP)網(wǎng)絡(luò)理論，提出了基于SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)的故障相判定方法，并進(jìn)行了試驗(yàn)驗(yàn)證。

1 配出中性導(dǎo)體IT系統(tǒng)單相接地故障特征分析

在實(shí)際系統(tǒng)中，各相對地絕緣電阻與系統(tǒng)的結(jié)構(gòu)有關(guān)，不可能完全相等；同時現(xiàn)代電力系統(tǒng)中電容已經(jīng)變得不可忽略。系統(tǒng)運(yùn)行正常時，由節(jié)點(diǎn)電壓法可知，中性點(diǎn)對地電壓為：

三相對地電壓滿足下式：

假設(shè)B相發(fā)生對地絕緣故障，則故障后中性點(diǎn)對地電壓為：

圖1 配出中性導(dǎo)體IT系統(tǒng)示意圖

發(fā)生單相對地絕緣故障后，三相對地電壓滿足下式：

由式(1)(4)可知，在考慮系統(tǒng)分布電容、容抗和阻抗不平衡等因素時，不同接地電阻情況下故障后A、B、C三相和中性點(diǎn)對地電壓變化也不同，直接對公式進(jìn)行分析很難找出其中的規(guī)律。

借助數(shù)學(xué)和工程計(jì)算Maple分析具體參數(shù)情況下的故障前后電壓變化情況。假設(shè)系統(tǒng)中Ra=30 kΩ，Rb=40 kΩ，Rc=50 kΩ，Rn=50 kΩ，Ca=40 μF，Cb=30 μF，Cc=20 μF，Cn=20 μF，這種阻抗和容抗參數(shù)是一種比較極端的情況。分別模擬A、B、C相和中性導(dǎo)體發(fā)生接地故障，接地電阻大小從5 Ω到50 kΩ，故障前后系統(tǒng)對地電壓變化量隨接地電阻的變化過程如圖2所示。

由圖2可知，發(fā)生對地絕緣故障前后A、B、C三相及中性點(diǎn)對地電壓變化量與故障相別存在一定的規(guī)律。相線發(fā)生接地故障時，故障相與對地電壓變化量最大的相密切相關(guān)，故障相總是為對地電壓變化量最大相的相位超前相或者滯后相。若對地電壓變化量最大相的滯后相對地電壓下降，則該滯后相為故障相，否則相位超前相為故障相。N線發(fā)生接地故障后相對于相線接地故障時三相對地電壓變化較小，但是接地電阻不同時相線接地和N線接地系統(tǒng)對地電壓在數(shù)值上沒有可比性。由分析可知，故障相別與故障前后系統(tǒng)對地電壓變化量之間存在一定的規(guī)律，卻無法通過固定值和特定的表達(dá)式來描述。

圖2 故障前后系統(tǒng)對地電壓變化量隨接地電阻變化規(guī)律

2 SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANN)具有自學(xué)習(xí)、自組織、聯(lián)想記憶等優(yōu)點(diǎn)，特別適合于解決一些相互耦合、無法通過特定表達(dá)式或者簡練語言描述的問題，為故障診斷提供了一種新的解決途徑[8,9]。

SOM神經(jīng)網(wǎng)絡(luò)是一種無教師自學(xué)習(xí)型神經(jīng)網(wǎng)絡(luò)，它不僅要對不同輸入信號產(chǎn)生不同響應(yīng)，即與競爭學(xué)習(xí)網(wǎng)絡(luò)一樣具有分類功能；更重要的是要實(shí)現(xiàn)功能相同的神經(jīng)元在空間上的聚集，適合解決多種分類和識別問題。SOM神經(jīng)網(wǎng)絡(luò)在故障診斷中能對數(shù)據(jù)自動分類，訓(xùn)練時無需大量的樣本數(shù)據(jù)和人工干預(yù)，實(shí)時性強(qiáng)；而缺點(diǎn)是需要大量的訓(xùn)練次數(shù)，且網(wǎng)絡(luò)競爭層神經(jīng)元的個數(shù)和排練極為重要，若神經(jīng)元的個數(shù)不夠，則可能無法對故障模式進(jìn)行正確地分類。

BP神經(jīng)網(wǎng)絡(luò)是一種有教師指導(dǎo)的按誤差反向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力和非線性映射的能力，但需要對數(shù)據(jù)進(jìn)行大量的樣本訓(xùn)練，耗費(fèi)時間長，實(shí)時性較差。

構(gòu)建SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)的目的是綜合SOM神經(jīng)網(wǎng)絡(luò)無監(jiān)督、自組織和BP神經(jīng)網(wǎng)絡(luò)有導(dǎo)師、自學(xué)習(xí)的優(yōu)勢，利用SOM神經(jīng)網(wǎng)絡(luò)對輸入數(shù)據(jù)進(jìn)行聚類，實(shí)現(xiàn)初步的判別；再將SOM神經(jīng)網(wǎng)絡(luò)輸出的興奮神經(jīng)元位置信息輸入到BP神經(jīng)網(wǎng)絡(luò)中，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行精確診斷，判斷故障相別。將兩種神經(jīng)網(wǎng)絡(luò)相結(jié)合能夠優(yōu)勢互補(bǔ)，是一種較為新穎的故障診斷方法[10-12]。SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖3所示。

由圖3可知，SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)具有四層結(jié)構(gòu)：輸入層、競爭層、隱含層及輸出層，前兩層組合即為SOM神經(jīng)網(wǎng)絡(luò)，后三層組合即為BP神經(jīng)網(wǎng)絡(luò)。復(fù)合網(wǎng)絡(luò)對輸入數(shù)據(jù)進(jìn)行聚類，將線性不可分?jǐn)?shù)據(jù)映射到高維空間，使其線性可分，完成對輸入樣本的初步辨識，減輕了BP神經(jīng)網(wǎng)絡(luò)的識別難度，然后通過BP網(wǎng)絡(luò)的訓(xùn)練，進(jìn)行輸入層到輸出層之間的監(jiān)督學(xué)習(xí)。

圖3 SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

3 SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)步驟

系統(tǒng)發(fā)生絕緣故障后，故障相的特征受系統(tǒng)分布電容、阻抗不平衡及接地電阻大小等因素的影響，其電氣參數(shù)變化的規(guī)律較為復(fù)雜，產(chǎn)生影響的主要為電壓參數(shù)。因此，將故障前后系統(tǒng)所有電壓信號作為復(fù)合神經(jīng)網(wǎng)絡(luò)的輸入，利用SOM神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行聚類，再把聚類結(jié)果即SOM神經(jīng)網(wǎng)絡(luò)的興奮神經(jīng)元位置信息輸入BP神經(jīng)網(wǎng)絡(luò)，通過BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障相的識別。SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)各層設(shè)計(jì)如下：

3.1 輸入層設(shè)計(jì)

系統(tǒng)發(fā)生接地故障后，會對各相對地電壓產(chǎn)生影響，且不同的相別發(fā)生故障后對電壓的影響不同，根據(jù)故障前后的電壓情況可以判斷故障相別。因此，將復(fù)合神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)目設(shè)計(jì)為14，即輸入矩陣X：

X中數(shù)據(jù)的含義為：

1）故障前系統(tǒng)A相對中性點(diǎn)電壓EA1；

2）故障前系統(tǒng)B相對中性點(diǎn)電壓EB1；

3）故障前系統(tǒng)C相對中性點(diǎn)電壓EC1；

4）故障前系統(tǒng)A相對地電壓UAG1；

5）故障前系統(tǒng)B相對地電壓UBG1；

6）故障前系統(tǒng)B相對地電壓UCG1；

7）故障前系統(tǒng)N線對地電壓UNG1；

8）故障前系統(tǒng)A相對中性點(diǎn)電壓EA2；

9）故障前系統(tǒng)B相對中性點(diǎn)電壓EB2；

10）故障前系統(tǒng)C相對中性點(diǎn)電壓EC2；

11）故障前系統(tǒng)A相對地電壓UAG2；

12）故障前系統(tǒng)B相對地電壓UBG2；

13）故障前系統(tǒng)B相對地電壓UCG2；

14）故障前系統(tǒng)N線對地電壓UNG2。

3.2 競爭層設(shè)計(jì)

為了提高SOM神經(jīng)網(wǎng)絡(luò)的聚類結(jié)果的準(zhǔn)確度，將競爭層設(shè)計(jì)為16*16的二維平面。當(dāng)輸入層有數(shù)據(jù)輸入時，競爭層中對應(yīng)的神經(jīng)元將興奮，該層的輸出即為興奮神經(jīng)元的位置信息。

3.3 隱含層設(shè)計(jì)

隱含層中神經(jīng)元數(shù)目的確定是BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的一個難點(diǎn)。根據(jù)BP神經(jīng)網(wǎng)絡(luò)中隱含層神經(jīng)元數(shù)目一般為輸入層神經(jīng)元數(shù)目的2～4倍，本文設(shè)置復(fù)合神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元數(shù)目為4。

3.4 輸出層設(shè)計(jì)

ITN系統(tǒng)發(fā)生故障后，故障相別的判定結(jié)果有一下四種情況：

第一種：系統(tǒng)N線故障，用標(biāo)號T1表示；

第二種：系統(tǒng)A相故障，用標(biāo)號T2表示；

第三種：系統(tǒng)B相故障，用標(biāo)號T3表示；

第四種：系統(tǒng)C相故障，用標(biāo)號T4表示。

輸出矩陣Y：

輸出層的輸出結(jié)果意義如表1所示。

表1 輸出層輸出結(jié)果與模式對應(yīng)表

通過以上步驟設(shè)計(jì)出SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)，經(jīng)過訓(xùn)練后可用于ITN系統(tǒng)故障相的判別。如果系統(tǒng)發(fā)生故障則把相應(yīng)數(shù)據(jù)輸入到復(fù)合神經(jīng)網(wǎng)絡(luò)的輸入層，經(jīng)過網(wǎng)絡(luò)判別后輸出結(jié)果Y，根據(jù)Y中各狀態(tài)的值可判斷具體故障相別。

4 SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)在故障相判別中的應(yīng)用

以某公司車間的配出中性導(dǎo)體IT系統(tǒng)為研究對象，在確保無二次故障的前提下設(shè)置接地電阻模擬單相接地故障，記錄不同接地電阻情況下故障前后的電壓，如表2所示。

以Rf為5 kΩ時的故障數(shù)據(jù)位訓(xùn)練樣本，SOM神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)為4400次，訓(xùn)練目標(biāo)為0。經(jīng)過訓(xùn)練后，各組數(shù)據(jù)對應(yīng)的興奮神經(jīng)元位置信息yc=[32,1,225,256]，競爭層中興奮神經(jīng)元的具體位置如圖4所示，聚類的領(lǐng)域神經(jīng)元距離權(quán)值如圖5所示。由圖可知，經(jīng)過多次訓(xùn)練后，SOM神經(jīng)網(wǎng)絡(luò)將四種故障狀態(tài)聚類為四種模式，且四種模式在二維競爭層所占的區(qū)域有較明顯的邊界。

圖4 訓(xùn)練后興奮神經(jīng)元位置

在復(fù)合神經(jīng)網(wǎng)絡(luò)中，位置信息是BP神經(jīng)網(wǎng)絡(luò)的輸入矩陣，對應(yīng)的故障相別信息作為目標(biāo)輸出，訓(xùn)練次數(shù)為50，訓(xùn)練目標(biāo)為0，對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完后，選取表2中接地電阻Rf為1 kΩ時的四組數(shù)據(jù)對SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，輸出矩陣Y如表3所示。為與傳統(tǒng)故障相判別方法比較，本文列出了傳統(tǒng)方法對同一數(shù)據(jù)的判別結(jié)果，比較結(jié)果如表3所示。

圖5 訓(xùn)練后領(lǐng)域神經(jīng)元距離權(quán)值

表2 原型系統(tǒng)中的故障前后系統(tǒng)數(shù)據(jù)

表3 兩種方法比較

由表3的比較結(jié)果，可以判定SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)判別方法滿足選相要求，可以準(zhǔn)確判定A、B、C三相和N線接地故障，準(zhǔn)確度高于傳統(tǒng)判別方法。

5 結(jié)論

針對絕緣故障診斷過程中存在多種因素影響，分析了故障前后系統(tǒng)對地電壓的變化量隨接地電阻的變化規(guī)律。從數(shù)據(jù)融合的角度出發(fā)，結(jié)合SOM神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和優(yōu)勢，提出了基于SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)的故障相判別方法，給出了復(fù)合神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)步驟。根據(jù)實(shí)際工程的試驗(yàn)數(shù)據(jù)進(jìn)行了測試，與傳統(tǒng)故障相判別方法進(jìn)行了比較，結(jié)果表明SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)可準(zhǔn)確判別A、B、C三相和N線的單相接地故障，相對傳統(tǒng)方法有更高的精度。

[1] GB50054-2011, 低壓配電設(shè)計(jì)規(guī)范 [S]. 中華人民共和國國家標(biāo)準(zhǔn), . 2012.

[2] GB14050-2008, Types and safety technical requirements of system earthing[S]. 中華人民共和國國家標(biāo)準(zhǔn), 系統(tǒng)接地的型式及安全技術(shù)要求, 2009.

[3] 王厚余. 論IT系統(tǒng)的應(yīng)用[J]. 建筑電氣, 2008(11)：3-6.

[4] 王厚余. 低壓電氣裝置的設(shè)計(jì)安裝和檢驗(yàn)[M], 北京： 中國電力出版社, 2008.

[5] 王勇. 船舶交流電力系統(tǒng)絕緣監(jiān)測系統(tǒng)的研究[D].武漢： 華中科技大學(xué).2007.

[6] IEC61557-8-2007, Electrical safety in low voltage distribution systems up to 1000V a.c. and 1500V d.c.-equipment for testing, measuring and monitoring of protective measures-Part 8： Insulation monitoring devices for IT systems [S]. International Electrotechnical Commission. IEC Standard, Second edition, 2007.

[7] 林樺, 王興, 李溪聞等. 交流浮地電網(wǎng)對地絕緣故障相判別方法[J]. 電力系統(tǒng)自動化設(shè)備, 2004, 24(1)： 78-81.

[8] 楊占華, 楊燕. SOM神經(jīng)網(wǎng)絡(luò)算法的研究與進(jìn)展[J].計(jì)算機(jī)工程, 2006, 16： 201-202+228.

[9] 馬永光, 殷喆, 馬良玉. 基于SOM神經(jīng)網(wǎng)絡(luò)的凝汽器故障診斷研究[J]. 華北電力大學(xué)學(xué)報(bào), 2006,（04）： 5-8.

[10] 羅亮, 李國璋, 楊權(quán)等. SOM-BP神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用研究[J]. 車用發(fā)動機(jī), 2008, （02）：72-75.

[11] 程鵬, 潘宏俠. SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)在齒輪箱故障診斷中的應(yīng)用研究[J]. 噪聲與振動控制, 2010, (05)： 165-168.

[12] 龔明, 潘宏俠, 蘭海龍. 基于最優(yōu)小波包與SOM-BP融合的柴油機(jī)故障診斷[J]. 煤礦機(jī)械, 2012, 10： 278-280.

Application of SOM-BP Composite Neutral Network for Insulation Fault Phase Location to Unearthed IT System

Zhang Mingyuan, Yang Tao, Mu Hongsheng, Liu Yang, Ma Rui

(Institute of National Defense, PLA University of Science & Technology, Nanjing 210007, China)

The variations of ground voltage with ground resistance are analyzed before and after failure of IT system, and the relationship between the variation of the ground voltage and the fault before and after fault is obtained. The phase that advances or lags the phase that has max voltage variation is the fault phase, except the neutral conductor which leads to smaller variations than any phase. A fault phase locating method based on SOM-BP composite neutral network, which combines the advantage of SOM neutral network and the advantage of BP neutral network, is proposed. Simulation experiments using test data from the prototype system are conducted. The results show that the trained SOM-BP composite neutral network is able to locate the fault phase correctly.

unearthed IT system; phase to ground insulation fault; fault phase locating; self organizing mapping (SOM); error back propagation (BP); composite neural network

TP183 TP277

A

1003-4862（2016）12-0028-05

2016-08-01

張明遠(yuǎn)，男，碩士，總工程師。