在配网终端中自适应处理故障的方法技术

本发明专利技术涉及电力配电技术和神经网络技术领域，其公开了一种在配网终端中自适应处理故障的方法，包括如下步骤：（ａ）构造配网终端神经网络单元的输入向量和输出向量；（ｂ）初始化神经网络；（ｃ）用样本对神经网络进行训练；（ｄ）用训练后的神经网络单元处理配网故障；（ｅ）配电网络变化时用新样本训练神经网络以自适应配电网络变化。本发明专利技术的有益效果是：本发明专利技术利用神经网络的自学习和自适应能力，使终端能自行处理复杂的多供电途径的网格状配电网故障，并能自适应配电网络结构的变化，可在紧急状态下不依赖于主站实现故障的紧急处理。

【技术实现步骤摘要】

本专利技术涉及电力配电技术和神经网络
，特别涉及一种在配网终端中自适应处理故障的方法。
技术介绍
配电网自动化系统远方终端是用于配电网配电回路的各种配电远方终端、配电变 压器远方终端以及中压监控单元(配电自动化及管理系统子站)等设备的统称。神经网络 的基本单元是神经元模型。神经元模型是模拟生物神经元的结构和功能的数学化模型，一 般是一个多输入单输出非线性的信息处理单元。神经网络的基本形式有前向网络、反馈网 络、相互结合型网络和混合型网络。应用较多的神经网络模型有Hopfield网络、BP网络、 Blotaman网络、ART网络。Hopfield网络是最典型的反馈网络模型，主要用于制约优化和联 想记忆。BP网络是反向传播网络，它是一种多层前向网络，可用于语言识别和自适应控制。 Blotaman网络是典型的随机网络模型，主要用于模式识别。ART网络是一种自组织网络模 型，主要用于模式识别。神经网络的学习算法分为两大类有教师学习和无教师学习。有教 师学习是指在神经网络训练过程中，始终存在一个期望的网络输出，期望输出与实际输出 之间的距离作为误差度量并用于调整网络连接权系数。无教师学习是指网络不存在一个期 望的输出值，因而没有直接的误差信息。 馈线自动化是提高配电网可靠性的关键技术之一，目的是实现在馈线运行发生故 障时，能自动进行故障定位，实施故障隔离和恢复对健全区域的供电，提高供电可靠性。馈 线自动化的实现有三种基本类型，第一种是重合器方式，利用具有就地控制功能的线路自 动重合器和分段器实现，这种简单而有效的方式能够提高供电可靠性，其突出优点是功能 独立，无需外界干涉，封装性好，相对于传统的电流保护有较大的优势。该方案的缺点是故 障隔离的时间较长，且多次重合对相关的负荷有一定影响，影响电能质量。第二种是主站 式方式，完全由主站实现的配电故障紧急控制。主站监控方式中故障识别、故障网络拓朴分 析、故障定位、故障负荷转移都由配电主站集中处理，形成顺序控制策略，再通过远方通信 逐项完成。配电网紧急控制功能及逻辑完全做在主站中，对配电终端仅要求具有RTU功能， 对配电网通信的依赖性强，当通信系统发生故障或控制中心故障，则不可避免地导致整个 控制系统瘫痪，失去故障隔离、恢复供电功能。这种完全依赖通信的主站集中式控制模式可 靠性较差，应当考虑紧急控制功能的分布实现与下放。第三种是利用配网终端就地控制方 式，该方式利用配网终端完成配电故障紧急控制功能，能够提高现有的配电自动化系统在 紧急控制下的可靠性，减轻自动化系统对通信可靠性及配电主站可靠性的要求。现在的配 网终端就地控制方式是配网终端通过与临近终端的通信，判别故障电流是否流过自己与临 近的终端，来确定故障的位置。如果故障电流通过自己而未通过临近终端，则故障在自己与 临近终端之间，如果都通过，则故障不在两者之间。现在的配网终端就地控制方式的缺点在 于终端必须依赖于预先设定的参数，只能用于固定的简单的辐射网和环网，当配电网络发 生改变时不能自适应网络的变化。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种在配网终端中自适应处理故障的 方法，解决为克服现有配网终端就地控制时，终端必须依赖于预先设定的参数，只能用于固 定的简单的辐射网和环网，当配电网络发生改变时不能自适应网络的变化的问题，达到使 配网终端能处理复杂的多供电途径的网格状配电网故障，并能自适应配电网络的变化。 本专利技术解决现有技术问题所采用的技术方案是设计和制造一种在配网终端中自 适应处理故障的方法，包括如下步骤(a)构造配网终端神经网络单元的输入向量和输出 向量；(b)初始化神经网络；(C)用样本对神经网络进行训练；(d)用训练后的神经网络单 元处理配网故障；(e)配电网络变化时用新样本训练神经网络以自适应配电网络变化。 本专利技术进一步的改进是所述步骤(a)进一步包括以下步骤(al)按配网终端流 经故障电流以及位置构造配网终端神经网络单元的输入向量；(a2)按配网终端所在的开 关及断路器分合状态构造配网终端神经网络单元的输出向量。本专利技术进一步的改进是所述步骤(b)中，通过利用电力专家经验初始化神经网络。 本专利技术进一步的改进是所述步骤(C)进一步包括(cl)计算中间层、输出层各神 经元输出；(c2)计算期望输出与实际输出误差；(c3)反向传递误差，调整中间层与输入层 以及输出层与中间层的连接权值；(c4)若误差满足要求则结束训练；反之则重复训练。 本专利技术进一步的改进是所述步骤(d)进一步包括(dl)配网终端检测到故障电 流，接收关联终端的相应信息；(d2)将接收到信息做为终端神经网络单元输入，终端由相 应的神经网络单元输出来操作分段开关和联络开关以及断路器；(d3)完成配电网络的故 障隔离和负荷转移。 本专利技术进一步的改进是所述步骤(e)进一步包括(el)根据配电网络变化得到 新的样本；(e2)用新样本训练神经网络；(e3)训练完成后的神经网络能自适应配电网络变 化。 本专利技术进一步的改进是所述步骤(b)中，利用电力专家对配电故障的处理经验， 确定中间层与输入层以及输出层与中间层的连接权值的初始值。 本专利技术的有益效果是本专利技术在配网终端中用神经网络程序来处理配电网络故 障，使配网终端在就地控制时，不再依赖于预先设定的参数，不仅仅只用于固定的简单的辐 射网和环网；同时，其利用神经网络的自学习和自适应能力，使终端能自行处理复杂的多供 电途径的网格状配电网故障，并能自适应配电网络结构的变化，可在紧急状态下不依赖于 主站实现故障的紧急处理。附图说明 图1是本专利技术流程图。 图2是本专利技术中配网故障处理的神经网络程序训练流程示意图。 图3是本专利技术中配网故障处理流程示意图。 图4是本专利技术中配电网络变化的自适应处理示意框图。具体实施例方式下面结合附图对本专利技术作进一步说明。如图1所示，一种，包括如下步骤a构造配 网终端神经网络单元的输入向量和输出向量；b利用电力专家经验初始化神经网络；c用样 本对神经网络进行训练；d用训练后的神经网络单元处理配网故障；e配电网络变化时用新 样本训练神经网络以自适应配电网络变化。 所述步骤a进一步包括以下步骤 al按配网终端流经故障电流以及位置构造配网终端神经网络单元的输入向量； a2按配网终端所在的开关及断路器分合状态构造配网终端神经网络单元的输出向量。 所述步骤C进一步包括cl计算中间层、输出层各神经元输出；c2计算期望输出 与实际输出误差；c3反向传递误差，调整中间层与输入层以及输出层与中间层的连接权 值；c4若误差满足要求则结束训练；反之则重复训练。所述步骤d进一步包括dl配网终端检测到故障电流，接收关联终端的相应信息；d2将接收到信息做为终端神经网络单元输入，终端由相应的神经网络单元输出来操作分段开关和联络开关以及断路器；d3完成配电网络的故障隔离和负荷转移。 述步骤e进一步包括el根据配电网络变化得到新的样本；e2用新样本训练神经网络；e3训练完成后的神经网络能自适应配电网络变化。 所述步骤b中，利用电力专家对配电故障的处理经验，确定中间层与输入层以及 输出层与中间层的连接权值的初始值。 在本专利技术的一个实施例中，系统中将配电上的断路器、分段开关和联络开关本文档来自技高网...

【技术保护点】
一种在配网终端中自适应处理故障的方法，其特征在于，包括如下步骤：（ａ）构造配网终端神经网络单元的输入向量和输出向量；（ｂ）初始化神经网络；（ｃ）用样本对神经网络进行训练；（ｄ）用训练后的神经网络单元处理配网故障；（ｅ）配电网络变化时用新样本训练神经网络以自适应配电网络变化。

【技术特征摘要】

【专利技术属性】
技术研发人员：崔丰曦，
申请(专利权)人：深圳市科陆电子科技股份有限公司，
类型：发明
国别省市：94[中国|深圳]