基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷.pdf

1、電網(wǎng)規(guī)模隨著現(xiàn)代電力系統(tǒng)的發(fā)展而不斷擴(kuò)大,系統(tǒng)遭受故障的沖擊影響也隨之?dāng)U大。電網(wǎng)發(fā)生復(fù)雜故障時(shí),保護(hù)、斷路器誤動(dòng)或者拒動(dòng),異或因信道傳輸原因?qū)е滦盘?hào)發(fā)生畸變等因素會(huì)增加故障的不確定性和不完備性。當(dāng)大量具有不確定和不完備特征的警報(bào)信息涌入調(diào)度監(jiān)控中心后,要求調(diào)度人員快速理解這些警報(bào)信息蘊(yùn)含的報(bào)警實(shí)質(zhì),準(zhǔn)確做出故障判斷是非常困難的。因此,電網(wǎng)事故處理對(duì)電網(wǎng)故障診斷提出了更高要求。及時(shí)、準(zhǔn)確地電網(wǎng)故障診斷對(duì)保障電網(wǎng)持續(xù)、穩(wěn)定供電具有重要現(xiàn)實(shí)意

2、義。
　　由于難以用傳統(tǒng)的數(shù)學(xué)方法來(lái)描述電網(wǎng)故障診斷過程,而人工神經(jīng)網(wǎng)絡(luò)憑借其善于處理復(fù)雜非線性問題、模擬真實(shí)世界物體交互作用的能力使其具有良好的容錯(cuò)性、魯棒性以及泛化特性。其中徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)具有最佳逼近和全局最優(yōu)的性能,基于此,本論文結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)電網(wǎng)故障診斷展開了深入研究。
　　1)論述了電網(wǎng)故障診斷研究的背景及意義,綜述了電網(wǎng)故障診斷國(guó)內(nèi)外的研究進(jìn)展,對(duì)各種故障診斷方法進(jìn)行了評(píng)價(jià)。并在概述人工神經(jīng)網(wǎng)絡(luò)基本

3、特征和功能的基礎(chǔ)上,重點(diǎn)論述了反向傳播神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本原理及訓(xùn)練算法。
　　2)針對(duì)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)傳統(tǒng)訓(xùn)練算法的不足,提出了一種改進(jìn)目標(biāo)函數(shù)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的兩階段學(xué)習(xí)算法:第一階段首先利用模糊 C-均值聚類算法的10個(gè)有效性函數(shù)綜合確定徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)的最佳聚類數(shù)(隱含層節(jié)點(diǎn)數(shù));待確定網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)后,在第二階段采用基于自適應(yīng)鄰域搜索差分進(jìn)化和自適應(yīng)無(wú)歸檔差分進(jìn)化的自適應(yīng)加權(quán)協(xié)同進(jìn)化計(jì)算

4、對(duì)網(wǎng)絡(luò)隱含層神經(jīng)元的中心和寬度進(jìn)行尋優(yōu),并通過最小二乘法確定隱含層到輸出層的連接權(quán)值。該方法不僅能有效確定徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù),而且利用自適應(yīng)加權(quán)協(xié)同進(jìn)化計(jì)算對(duì)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)改進(jìn)目標(biāo)函數(shù)的優(yōu)化則明顯加強(qiáng)網(wǎng)絡(luò)的泛化性能,從而提高故障診斷的診斷效果。
　　3)構(gòu)建了不需訓(xùn)練即能以任意精度一致逼近任意連續(xù)多變量函數(shù)的衰減徑向基函數(shù)神經(jīng)網(wǎng)絡(luò),根據(jù)電網(wǎng)元件故障特點(diǎn)將單輸出衰減徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)拓展為多輸出衰減徑向基函數(shù)神經(jīng)網(wǎng)