神經(jīng)網(wǎng)絡(luò)在變壓器微機保護中的應(yīng)用

　　摘 要：為了研究變壓器的保護方法，建立了變壓器的電氣特征線性模型，該模型無需涉及變壓器鐵心的非線性關(guān)系和磁滯效應(yīng)，并在此基礎(chǔ)上提出一種基于人工神經(jīng)網(wǎng)絡(luò)的變壓器狀態(tài)模式識別的方法。由于已經(jīng)考慮了變壓器鐵心的非線性關(guān)系和磁滯效應(yīng)。因此，在識別變壓器故障狀態(tài)無需附加涌流識別。仿真結(jié)果表明了該方法具有可靠、快速識別特性。
　　關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；模式；識別；變壓器；微機保護

　　電力變壓器是電力系統(tǒng)中的重要設(shè)備，若發(fā)生故障將對供電可靠性和整個系統(tǒng)的穩(wěn)定運行帶來嚴重影響。因此，變壓器對保護維護電力系統(tǒng)正常運行有著重要的意義。變壓器差動保護作為變壓器的主保護方案及其核心內(nèi)容，也是該領(lǐng)域研究的難點，關(guān)鍵問題在于變壓器勵磁涌流與內(nèi)部短路電流難于鑒別。傳統(tǒng)的保護方案主要利用勵磁涌流的一些波形特征：它存在非周期分量、間斷角和二次諧波。因此，目前變壓器的差動保護主要是利用勵磁涌流的非周期分量的速飽和、間斷角和二次諧波作制動等構(gòu)成。
　　變壓器保護牽涉的因素比較多，技術(shù)較為復(fù)雜，為此國內(nèi)外學(xué)者為尋求新的原理作了不懈的努力，其典型的方法有利用小波分析詳細分析涌流特征［1］，利用電壓和電流的相似程度識別內(nèi)部故障的微機保護原理［2］，利用變壓器各側(cè)流入的有功功率總和識別內(nèi)部故障的微機保護原理［3］以及人工智能［4］等。
　　本文提出一種利用變壓器兩端電壓、電流電氣量構(gòu)成一個變壓器狀態(tài)觀測模型，由觀測矩陣H（或獲取的樣本集），通過反映的輸入輸出特性尋求一個估計函數(shù)（Z），使得估計值盡可能接近真值X。變壓器工作狀態(tài)可定義為兩種狀態(tài)：（1）變壓器正常狀態(tài)，包括空載、額定運行、過負荷、勵磁涌流、外部故障引起的過電流、過電壓問題。（2）變壓器故障狀態(tài)，包括變壓器繞組間相間短路、匝間短路、接地短路等故障。該模型可以利用實驗或故障錄波或仿真所得的變壓器各種正常狀態(tài)下的歷史數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)構(gòu)成變壓器正常狀況下的觀測模型。由于該模型在變壓器故障狀態(tài)下電流互感器所測得的短路電流所通過的磁路或線圈匝數(shù)發(fā)生了變化，故等值參數(shù)已經(jīng)發(fā)生變化，而正常狀態(tài)下不會有很大變化。因此，使用正常狀態(tài)下的等值參數(shù)進行故障狀態(tài)參數(shù)估計，估計值和實際值將差距很大，而在正常狀況下差距很小，由此可以識別出變壓器是否處于正常狀態(tài)。由于觀測模型已經(jīng)考慮了變壓器的勵磁特性，故無需附加涌流制動措施。

1　考慮勵磁特性的變壓器狀態(tài)觀測器模型

　　考慮到變壓器的Y0—△11接線方式比較復(fù)雜。因此，本文的模型建立在Y0—△11接線方式的兩繞組變壓器基礎(chǔ)上（見圖1），其他類型的變壓器狀態(tài)觀測器模型可以類似推理得到。A，b，c表示△側(cè)三相，A，B，C為Y側(cè)三相，ip為繞組內(nèi)環(huán)電流，iLa，iLb，iLc為△側(cè)三相線電流。其中：la，lb，lc和lA，lB，lC分別為△側(cè)和Y側(cè)繞組的各自的漏電感；ra，rb，rc和rA，rB，rC分別為△側(cè)和Y側(cè)繞組的各自電阻；ΦAa，ΦBb，ΦCc分別為繞組Aa，Bb，Cc磁通。

ra＝rb＝rc＝r；rA＝rB＝rC＝R；消除環(huán)流和互感的影響有，并以一次側(cè)電壓作為預(yù)估量，則觀測器模型可以寫為：

其中，X為待辨識參數(shù)或稱為觀測器等值參數(shù)，Z為觀測值，H為觀測器觀測矩陣，T表示矩陣的轉(zhuǎn)置。由于觀測器采取了差分代替微分、數(shù)據(jù)表達精度，以及電壓、電流互感器本身帶有一定的測量誤差，另外現(xiàn)場也具有一定的隨機噪聲干擾等問題，這些誤差因素我們在此處統(tǒng)稱為測量誤差，觀測器的模型寫為如下等式更為合理：
　　Z＝HX＋U＋V（10）
其中，V為測量誤差函數(shù)。
式（7）在變壓器正常狀態(tài)下觀測器參數(shù)不會發(fā)生變化，而在故障狀態(tài)下由于電流互感器所測得的參數(shù)并非流過磁路的電流，其反映觀測器的等值漏感參數(shù)也發(fā)生變化。因此，如果以正常狀態(tài)下的觀測器等值參數(shù)去預(yù)估故障狀態(tài)下的觀測值，觀測值和真值間將具有較大誤差，由此可以識別出變壓器是否處于故障狀態(tài)。

2　基于神經(jīng)網(wǎng)絡(luò)的變壓器狀態(tài)觀測器模式識別

　　式（10）中的測量誤差函數(shù)具有很大的隨機性。
因此，考慮利用人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能進行觀測器數(shù)學(xué)模型逼近，或稱為模式識別。
　　考慮到變壓器各變量間的一些非線性關(guān)系，故實際構(gòu)造中本文采用了進行（ua－ub，ub－uc，uc－ua）T觀測，以當(dāng)前（ua－ub，ub－uc，uc－ua）T測量值為真值，構(gòu)成3向量輸入單相量輸出的3層BP神經(jīng)網(wǎng)絡(luò)，T為矩陣轉(zhuǎn)置，U作為神經(jīng)網(wǎng)絡(luò)輸出閾值。為了加快神經(jīng)網(wǎng)絡(luò)的收斂速度，以及數(shù)據(jù)無須歸一化處理需要，神經(jīng)元輸入輸出函數(shù)實際采用了代價函數(shù)采用了

中Z為觀測值預(yù)估或神經(jīng)網(wǎng)絡(luò)輸出，為實際觀測值。由于本文構(gòu)造的神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)不同之處在于神經(jīng)網(wǎng)絡(luò)的每個輸入節(jié)點每次輸入均為相量，而非數(shù)值。因此，學(xué)習(xí)過程和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)稍有出入，即取輸入向量的對應(yīng)元素一一學(xué)習(xí)后利用代價函數(shù)進行反向誤差傳播學(xué)習(xí)。
　　用于訓(xùn)練BP網(wǎng)絡(luò)的數(shù)據(jù)來自于圖2所示仿真系統(tǒng)，仿真數(shù)據(jù)主體來自于加拿大Mantitoba HVDC研究中心開發(fā)的PSCAD／EMTDC仿真軟件，勵磁涌流部分采用文獻［5］所提供方法，形成數(shù)據(jù)文件采取了1 000 Hz的采樣頻率。電壓電流互感器裝設(shè)在變壓器T2兩側(cè)。

　　如圖3所示為ANN構(gòu)成的狀態(tài)觀測器構(gòu)造。如果觀測器比較值大于閾值，則計數(shù)器增一，小于閾值就減一，計數(shù)器滿8次就可以判斷變壓器處于故障狀態(tài)，計數(shù)器經(jīng)過若干采樣間隔后自動復(fù)位，重新66進入計數(shù)狀態(tài)。