摘　要：根據(jù)現(xiàn)代控制技術的人工神經(jīng)網(wǎng)絡理論提出了一種保護原理構(gòu)成方案，并分析了原理實現(xiàn)的可行性和技術難點。

　　人工神經(jīng)網(wǎng)絡（Aartificial Neural Network，下簡稱ANN）是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年，已由心理學家Warren S.Mcculloch和數(shù)學家Walth H.Pitts提出神經(jīng)元數(shù)學模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強魯棒性以及自組織自學習的能力。其中研究得最為成熟的是誤差的反傳模型算法（BP算法，Back Propagation），它的網(wǎng)絡結(jié)構(gòu)及算法直觀、簡單，在工業(yè)領域中應用較多。

　　經(jīng)訓練的ANN適用于利用分析振動數(shù)據(jù)對機器進行監(jiān)控和故障檢測，預測某些部件的疲勞壽命［2］。非線形神經(jīng)網(wǎng)絡補償和魯棒控制綜合方法的應用（其魯棒控制利用了變結(jié)構(gòu)控制或滑動模控制），在實時工業(yè)控制執(zhí)行程序中較為有效［3］。人工神經(jīng)網(wǎng)絡（ANN）和模糊邏輯（Fuzzy Logic）的綜合，實現(xiàn)了電動機故障檢測的啟發(fā)式推理。對非線形問題，可通過ANN的BP算法學習正常運行例子調(diào)整內(nèi)部權(quán)值來準確求解［4］。

　　因此，對于電力系統(tǒng)這個存在著大量非線性的復雜大系統(tǒng)來講，ANN理論在電力系統(tǒng)中的應用具有很大的潛力，目前已涉及到如暫態(tài)，動穩(wěn)分析，負荷預報，機組最優(yōu)組合，警報處理與故障診斷，配電網(wǎng)線損計算，發(fā)電規(guī)劃，經(jīng)濟運行及電力系統(tǒng)控制等方面［5］。

　　本文介紹了一種基于人工神經(jīng)網(wǎng)絡（ANN）理論的保護原理。

　　1、人工神經(jīng)網(wǎng)絡理論概述

　　BP算法是一種監(jiān)控學習技巧，它通過比較輸出單元的真實輸出和希望值之間的差別，調(diào)整網(wǎng)絡路徑的權(quán)值，以使下一次在相同的輸入下，網(wǎng)絡的輸出接近于希望值。

　　在神經(jīng)網(wǎng)絡投運前，就應用大量的數(shù)據(jù)，包括正常運行的、不正常運行的，作為其訓練內(nèi)容，以一定的輸入和期望的輸出通過BP算法去不斷修改網(wǎng)絡的權(quán)值。在投運后，還可根據(jù)現(xiàn)場的特定情況進行現(xiàn)場學習，以擴充ANN內(nèi)存知識量。從算法原理看，并行處理能力和非線性功能是BP算法的一大優(yōu)點。

　　2、神經(jīng)網(wǎng)絡型繼電保護

　　神經(jīng)網(wǎng)絡理論的保護裝置，可判別更復雜的模式，其因果關系是更復雜的、非線性的、模糊的、動態(tài)的和非平穩(wěn)隨機的。它是神經(jīng)網(wǎng)絡（ANN）與專家系統(tǒng)（ES）融為一體的神經(jīng)網(wǎng)絡專家系統(tǒng)，其中，ANN是數(shù)值的、聯(lián)想的、自組織的、仿生的方式，ES是認知的和啟發(fā)式的。

　　文獻［1］認為全波數(shù)據(jù)窗建立的神經(jīng)網(wǎng)絡在準確性方面優(yōu)于利用半波數(shù)據(jù)窗建立的神經(jīng)網(wǎng)絡，因此保護應選用全波數(shù)據(jù)窗。

　　ANN保護裝置出廠后，還可以在投運單位如網(wǎng)調(diào)、省調(diào)實驗室內(nèi)進行學習，學習內(nèi)容針對該省的保護的特別要求進行（如反措）。到現(xiàn)場，還可根據(jù)該站的干擾情況進行反誤動、反拒動學習，特別是一些常出現(xiàn)波形間斷的變電站內(nèi)的高頻保護。

　　3、結(jié)論

　　本文基于現(xiàn)代控制技術提出了人工神經(jīng)網(wǎng)絡理論的保護構(gòu)想。神經(jīng)網(wǎng)絡軟件的反應速度比純數(shù)字計算軟件快幾十倍以上，這樣，在相同的動作時間下，可以大大提高保護運算次數(shù)，以實現(xiàn)在時間上即次數(shù)上提高冗余度。

　　一套完整的ANN保護是需要有很多輸入量的，如果對某套保護來說，區(qū)內(nèi)、區(qū)外故障時其輸入信號幾乎相同，則很難以此作為訓練樣本訓練保護，而每套保護都增多輸入量，必然會使保護、二次接線復雜化。變電站綜合自動化也許是解決該問題的一個較好方法，各套保護通過總線聯(lián)網(wǎng)，交換信息，充分利用ANN的并行處理功能，每套保護均對其它線路信息進行加工，以此綜合得出動作判據(jù)。每套保護可把每次錄得的數(shù)據(jù)文件，加上對其動作正確性與否的判斷，作為本身的訓練內(nèi)容，因為即使有時人工分析也不能區(qū)分哪些數(shù)據(jù)特征能使保護不正確動作，特別是高頻模擬量。

　　神經(jīng)網(wǎng)絡的硬件芯片現(xiàn)在仍很昂貴，但技術成熟時，應利用硬件實現(xiàn)現(xiàn)在的軟件功能。另外，神經(jīng)網(wǎng)絡的并行處理和信息分布存儲機制還不十分清楚，如何選擇的網(wǎng)絡結(jié)構(gòu)還沒有充分的理論依據(jù)。所有這些都有待于對神經(jīng)網(wǎng)絡基本理論進行深入的研究，以形成完善的理論體系，創(chuàng)造出更適合于實際應用的新型網(wǎng)絡及學習算法［5］。

　　參考文獻

　　1、陳炳華。采用模式識別（智能型）的保護裝置的設想。中國電機工程學會第五屆全國繼電保護學術會議，［會址不詳］，1993

　　2、Robert E.Uhrig.Application of Artificial Neural Networks in Industrial Technology.IEEE Trans，1994，10（3）。（1）：371～377

　　3、Lee T H，Wang Q C，Tan W K.A Framework for Robust Neural Network-Based Control of Nonlinear Servomechannisms.IEEE Trans，1993，3（2）。（3）：190～197

　　4、Chow Mo-Yuen.The Advantage of Machine Fault Detection Using Artificial Neural Networks and Fuzzy Logic Technology.IEEE Trans，1992，5（6）。（2）：1078～1085

　　5、吳捷�，F(xiàn)代控制技術在電力系統(tǒng)控制中的應用。全國高校電力系統(tǒng)及其自動化專業(yè)年會，廣州，1997 6　Matthew Zedenberg.Neural Networks Models in Artificial Intelligence.［s.l.］：［s.n.］，［s.a.］