基于模糊神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷.pdf

1、隨著現(xiàn)在電網(wǎng)規(guī)模的不斷擴大，電網(wǎng)元件受到各方面故障的的影響也越來越多。目前對電網(wǎng)故障元件的診斷主要是通過人工智能技術(shù)以及繼電保護和斷路器的動作信息來進行故障元件的診斷。但是由于目前電網(wǎng)變得越來越復(fù)雜，故障的原因也變得復(fù)雜多樣，導(dǎo)致繼電保護和斷路器由于信號發(fā)生畸變而不能正常地診斷出故障元件?；诖?，為了能夠比較快速和準(zhǔn)確地診斷出電網(wǎng)的故障元件，本文的主要工作如下:
　　本文構(gòu)建了簡單的電網(wǎng)結(jié)構(gòu)模型，通過對故障元件的繼電保護動作分析，

2、確定了故障元件和保護的動作關(guān)系，并整理出了電網(wǎng)故障測試樣本集。然后通過制定的電網(wǎng)故障頻率模糊等級表對訓(xùn)練樣本進行模糊化處理，并用向量的形式表示出來，得到電網(wǎng)故障元件輸入向量集與電網(wǎng)故障元件的輸出向量集。最后通過模糊神經(jīng)網(wǎng)絡(luò)混合分類器構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)，以及使用MATLAB進行仿真，并對仿真結(jié)果進行分析。通過對標(biāo)準(zhǔn)BP網(wǎng)絡(luò)對電網(wǎng)結(jié)構(gòu)圖進行仿真，可以得到誤差曲線，然后從仿真出來的誤差曲線中可以看出，BP神經(jīng)網(wǎng)絡(luò)的收斂效果不佳，且存在著較大的誤

3、差震蕩現(xiàn)象。通過模糊神經(jīng)網(wǎng)絡(luò)混合分類器模型對電網(wǎng)結(jié)構(gòu)圖進行仿真，得到模糊神經(jīng)網(wǎng)絡(luò)的誤差曲線，從該收斂曲線中可以看出，模糊神經(jīng)網(wǎng)絡(luò)的誤差收斂曲線比BP神經(jīng)網(wǎng)絡(luò)要快得多。它不僅能夠達(dá)到我們的期望，而且曲線比較平穩(wěn)和光滑，可以判定該模型的訓(xùn)練已經(jīng)達(dá)到要求了。通過對模擬的電網(wǎng)結(jié)構(gòu)圖進行仿真，并且與BP神經(jīng)網(wǎng)絡(luò)進行參照，可以得到這樣一個結(jié)論，模糊神經(jīng)網(wǎng)絡(luò)的收斂很快，仿真的實際輸出和理論輸出非常接近。所以模糊神經(jīng)網(wǎng)絡(luò)在診斷復(fù)雜不確定的電網(wǎng)故障時，比