（电力系统及其自动化专业论文）基于人工神经网络模型的母线保护的研究.pdf

西华大学硕士学位论文 为母线上各回路电流互感器( t a ) 传变后的同一时n - 次检测电流，输出 定为母线上各回路的一次侧同一时刻流过的电流之和。然后对母线保护的 a n n 模型进行了研究和讨论，就激活函数为线性函数和非线性函数的两种 情况，分别构建了母线保护的a n n 模型，给出了a n n 模型的学习训练算 法，讨沧了训练算法的收敛性，并通过m a t l a b 软件平台实现了对母线 a n n 模型的仿真训练。 训练项目包括：母线各连接元件电流互感器变比完全相同；母线各连 接元件电流互感器变比完全相同但考虑传变误差：母线各连接元件电流互感 器变比不相同且考虑传变误差。 本文将训练好的母线保护的a n n 模型针对母线在区内和区外故障状况 下的不同类型故障进行了物理模拟实验，实验结果表明基于a n n 模型的母 线保护能在母线区内故障时可靠出口，在母线区外故障时可靠不出口。 关键词母线保护，人工神经网络，函数逼近，b p 算法 两华大学硕士学位论文 r e s e a r c ho fb u sp r o t e c t i o nb a s e do na n nm o d d p o w e rs y s t e ma n da u t o m a t i z a t i o n g r a d u a t es t u d e n tz h a nh o n g x i at u t o rd o n gx i u c h e n g a b s t r a c t a so n eo ft h em o s ti m p o r t a n td e v i c e so fs u b s t a t i o n ，b u sa n di t sp r o t e c t i o n p l a yab i gr o l ei nr e l i a b l ea n ds e c u r eo p e r a t i o no fp o w e rs y s t e m t h em a i nt a r g e t o fb u sp r o t e c t i o ni st h ep u r s u i to fp e r f e c tp e r f o r m a n c e ，a l m i g h t yf u n c t i o n ，h i g h r e l i a b i l i t ya n di n t e l l i g e n c e f o ri m p r o v e m e n to fb u sp r o t e c t i o n ，i ti sn e c e s s a r yt oi n t r o d u c en e wt h e o r y a n dt e c h n o l o g y a sam a t h e m a t i ct o o lw i t hh i g hi n t e l l i g e n c e ，a n n ( a r t i f i c i a l n e u r a ln e t w o r k ) i ss u i t a b l ef o rt h er e s e a r c ho nn e wp r o t e c t i o n f o ral o n gw h i l e ， t h ea p p l i c a t i o no fa n nt or e l a yp r o t e c t i o ni sb a s e do nc l a s s i f i c a t i o na b i l i t y 。a n n i st r a i n e db ys a m p l ed a t a ，w h i c hcanc h a r a c t e r i z ef a u l t t h ev a r i o u sf a u l t so f p o w e rs y s t e m c a nb e d i s t i n g u i s h e d a n dj u d g e d b y t h et r a i n e d 、a n n u n f o r t u n a t e l y ，l a c k i n go fs a m p l ed a t ar e s t r i c t st h ea b r o a da p p l i c a t i o no fa n n p r o t e c t i o nt op o w e rs y s t e m i no r d e rt oo v e r c o m ea b o v es h o r t c o m i n g s ，i n n o v a t i v ep r i n c i p l ef o ra n nb u s p r o t e c t i o nb a s e do nf u n c t i o na p p r o x i m a t i o na b i l i t yi sp r e s e n t e di nt h i sp a p e r a s o n eo ft h em o s ti m p o r t a n tc a p a b i l i t yo fa n n ，f u n c t i o na p p r o x i m a t i o na b i l i t ycan b eu s e dt od e s i g na n nm o d e l ，w h i c hc a nc h a r a c t e r i z ec e r t a i np h y s i c so b j e c t t h e p r o t e c t e do b j e c to fb u sp r o t e c t i o ni saf u n c t i o nw i t hc e r t a i ni n p u ta n do u t p u t ， w h i c hc a nb e r e p r e s e n t e db ya n nm o d e l ，o ra p p r o x i m a t e db ya n n m a t h e m a t i c a lm o d e l b yu s eo fa n nm o d e lt r a i n e du n d e rn o r m a lc i r c u m s t a n c e ， i n n e ra n do u t e rb u sf a u l tc a nb ed i s t i n g u i s h e dc l e a r l y 。1 1 1 西华大学硕士学位论文 f o rt h er e s e a r c ho nb u sp r o t e c t i o nt h e o r yb a s e do nf u n c t i o na p p r o x i m a t i o n a b i l i t yo fa n n ，i ti sc r u c i a lt oe s t a b l i s ht h e 如n c t i o n a lr e l a t i o nb e t w e e nt h ei n p u t a n dt h eo u t p u to fb u sp r o t e c t i o no b j e c t t h ei n p u t sa r es y n c h r o n o u sc u r r e n t so n s e c o n ds i d eo fe a c hc t ，a n dt h eo u t p u ti sc u r r e n ts u mo np r i m a r ys i d eo fc t s a m ep r o p o r t i o n ；t h ec o m p o n e n t sl i n k i n gw i t ht h eb u sh a v es a m ep r o p o r t i o nb u t c o n s i d e r i n gt h ee r r o ro ft r a n s m i s s i o n ；t h ea n nm o d e lw i t hd i f f e r e n ta c t i v a t i o n f u n c t i o n s ，l i k el i n e a ra n ds i g m o l do n e ，a r eb u i l t ，t r a i n i n ga l g o r i t h ma n di t s c o n v e r g e n c eo ft w om o d e l sa r ed i s c u s s e d a st h em o d e l sa r er e a l i z e dw i t h m a t l a b ，t r a i n i n ge x a m p l e sa n dt h e i rc o m p a r i s o na r eg i v e na l s o t h ei t e m so f t r a i n i n gi n c l u d e ：t h ec o m p o n e n t sl i n k i n gw i t ht h eb u sh a v ec o m p o n e n t sl i n k i n g w i t ht h eb u sh a v ed i f f e r e n tp r o p o r t i o na n dc o n s i d e r i n gt h ee r r o ro ft r a n s m i s s i o n p h y s i c a ls i m u l a t i o no fb u sp r o t e c t i o nb a s e do na n nm o d e li sc o n d u c t e d u n d e rd i f f e r e n tl o c a t i o n sa n dt y p e so ff a u l t s ，w h o s er e s u l t sa r e p r o m i s i n g k e y w o r d s b u sp r o t e c t i o n ，a r t i f i c i a ln e u r a ln e t w o r k ，f u n c t i o na p p r o x i m a t i o n ，b p a l g o r i t h m i v 西华大学硕士学位论文 第1 章绪论 1 1 课题来源 四川省“信号与信息处理”重点实验室 1 2 研究的目的和意义 近年来，人工智能技术如神经网络、遗传算法、模糊逻辑等在电力系统各 个领域都得到了应用，包括电力系统讣算( 如短路电流计算、网损计算等) ， 安全稳定分析，电力系统规划( 如电网规划、开停机规划、电容器投切规划 等) 。在继电保护领域应用的研究也已开始。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称a n n ) 是模拟生物神经元 的结构而提出的一种信息处理方法。它是一种非线性映射的方法，很多难以列 出方程式或难以求解的复杂的非线性问题，应用神经网络方法则可迎刃而解。 早在1 9 4 3 年，已由心理学家w a r r e ns m c c u l l o c h 和数学家w a l t hh p i t t s 提出神 经元数学模型，后被冷落了一段时问，8 0 年代又迅猛兴起。a n n 之所以受到人 们的普遍关注，是由于它具有本质的非线性特征、并行处理能力、强鲁棒性以 及自组织自学习的能力。旺1 母线是发电厂和变电所的重要组成部分。在母线上连接着发电厂和变电所 的发电机、变压器、输电线路、配电线路和调相设备等，母线工作的可靠性将 直接影响发电厂和变电所工作的可靠性。此外，变电所的高压母线足电力系统 的中枢部分，如果母线的短路故障不能迅速地被切除，将会引起事故扩大，破 坏电力系统的稳定运行，造成电力系统的瓦解事故。因此，研究可靠性高、选 择性好、动作速度快的母线保护一直为继电保护工作者们所关注。 目前国内外使用的母线保护类型较多，从元器件构成上大致可分为整流 型、集成电路型和微机型。从原理实现上可主要分为电流羞动方式、电流相位 比较方式。在保护区内部故障时，利用1 4 周期以前电流互感器( t a ) 不会饱 和，能较好地传变次侧电流的性质，要求母线保护能快速动作出口。在保护 区外部敝障时，就要求母线保护能町靠闭锁，而不受t a 饱和的彤响。目前使 西华大学硕士学位论文 用的中阻抗母线差动保护或微机母线差动保护，在解决t a 饱和的问题上都具 有自己的特点，基本上不受或少受t a 饱和的影响。在区外故障转区内故障 时，利用t a 饱和时电流在过零点附近有一段真实传变区的性质实现正确的保 护功能。但对解决t a 变比不一致的问题，中阻抗母线差动保护装置的实现太 复杂，微机母线差动保护存在不周程度的缺陷，在母线运行方式改变或在r a 断线的情况下，目前使用的这两类母线差动保护在不同程度上自适应能力还不 强。为了进一步提高母线保护的性能和减少母线保护的使用复杂化问题，拟对 人工神经网络模型的母线保护作应用性的研究。 1 3 母线保护的发展状况 母线是电力系统最重要的设备之一，母线上接有线路、变压器等元件，若 母线出现故障，母线上接有的线路、变压器等元件都必须与母线断开。母线保 护是保护母线的设备，其保护性能和可靠性要求极高，母线保护任何的不正确 动作行为都会给电力系统的运行生产造成重大的影响和损失，因而获取保护性 能和可靠性更高的母线保护是母线保护研究的方向。 1 3 1 电力系统对母线保护的基本要求 1 母线保护的选择性 母线保护的选择性就是在各种运行方式下，能正确区分母线的内部、外部 短路故障。 2 母线保护的可靠性 母线保护如果动作，将跳开母线上的所有元件，因此母线保护的可靠性将 直接影响到电力系统的安全运行。母线保护的可靠性( r e l i a b i l i t y ) 包括两个方 面：一方而要在故障h 、j 保证母线保护的可靠动作，防止拒动。这个特性被称为 可信涟( ，d e p e n d a h i t i t y ；另一方露，在正常运行及外部短路时，保证保护不误 动，在保护自身出现问题时，也不应误动，这个特性称为安全性 ( s e c u r i t y ) 。 3 母线保护的速动性 如切除母线短路敝障的时间过长，有可能造成电力系统失步甚至解列事 故。因此，母线保护快速切除母线短路故障，是保证电力系统安全运行的重要 西华大学硕士学位论文 手段。此外，在发生母线的外部短路故障时，流过故障元件的电流值很大，尤 - 其是当一_ 7 久短路电流中包含幅值较大、衰减较慢的直流分量时，将会使该元件 的电流互感器铁芯迅速饱和，电流互感器二次电流的数值和波形会发生严重的 畸变。二次电流畸变有可能导致母线保护误动作。但是铁芯饱和总需要一定的 时间，一般出现在故障发生后的1 4 周期( 5 m s ) ，根据这一t a 饱和时间特 征，如果母线保护动作速度十分迅速，其工作特性就可不受或少受电流互感器 饱和的影响，并在发生外部短路时可很快地闭锁保护。 4 母线保护的灵敏性 在母线出现区内或区外短路故障情况下，母线保护应能灵敏地反应故障。 1 3 2 母线保护的主要实现原理 母线保护的主要实现原理是电流差动原理。 基于基尔霍夫电流定律的电流差动原理由于其概念清晰、判据简单可靠、 自 有效地区分区内外故障而在继电保护中得到了广泛的应用。把整条母线看作 是一个节点，在正常运行与外部故障时流入母线的电流和为零，流入保护的电 流只是各电流互感器特性不同而引起的不平衡电流：在母线发生内部故障时， 流入母线的电流和为故障电流，流入保护的电流将远远大于不平衡电流。因 此，保护动作条件可写成以下形式： n 驯 l 其中，。按躲开系统最大运行方式的不平衡电流整定。此式被称为完全电流 差动保护的判据。 但是( 1 1 ) 式中的整定值是固定的，在外部故障时，随着故障电流的增 大，c t 的传变误差也在增大，这样，二次回路的差电流有可能会大了j 整定值， 为了避免保护误动，必须增大整定值，但这又降低了内部故障时保护的灵敏 度，严重时会导致保护拒动。现在通常采用制动原理的电流差动保护来应付外 部故障时的情况。 西华大学硕士学位论文 1 3 3 母线保护的实现方式 母线保护在实现方式上主要分为电磁型、集成电路型和微机型母线保护。 其中，电磁型母线保护是最早的实现方式，保护原理简单，实现容易。但保护 性能不高，在动作速度、灵敏性和抗饱和能力等方面都有明显的不足，缺乏对 母线不同运行方式的适应能力。因而，现已基本上被集成电路型母线保护和微 机型母线保护所取代。 集成电路型母线保护在动作速度、灵敏性和抗饱和能力等方面都有了相当 程度的提高和改善，其主要类型中阻抗母线保护已在电力系统中得到了广 泛应用。 按照母线保护装置的输入阻抗值的大小，可分为低阻抗型母线保护( 一般 为几欧姆) ，中阻抗型母线保护( 一般为几百欧姆) ，高阻抗型母线保护( 一般 为几千欧姆) 。传统的低阻抗型母线保护往往采用带速饱和变流器的电流继电器 作为辨别元件来抑制c t 饱和，但是在内部故障出现c t 饱和时，保护将延时动 作。高阻抗型母线保护设计了一个附加的高阻抗保护系统作为检测元件，并提 供第二个跳闸判据。但是，需要一种与之匹配的c t 线圈，并且每个连接元件 的二次回路必须连接牢固。同时，母线内部故障时，由于在高阻上产生相当高 的电压( 一般有几千伏) ，高阻抗继电器本身需要附加压控电阻( v d r ) 和短路 线圈进行保护。中阻抗型母线保护是一种快速、灵敏、采用比率制动式电流差 动保护，它既具有低阻抗、高阻抗保护的优点，又避丌了它们的缺点，特别是 在处理c t 饱和方面具有独到的优势，并且可在半个周期内切除故障，因而在 电力系统中得到较广泛的应用。主要产品有瑞典a s e a 公司的r a d s s 保护、 美国g e 公司的b u s 。1 0 0 。中国许继公司的j m h 一1 等。 八十年代以来，随着计算机技术高速发展，继电保护工作者们对微机型母 线保护的理论与实际进行了许多研究工作。传统保护将母线上各条出线c t 的 二次侧按同极性分别相连。并在模拟量和回路上接入差动继电器构成保护。在 硬件结构上，微机型母线保护因袭了传统保护的作法，即将各条出线的c t 二 次侧用电缆引至控制室的保护屏上。与传统保护有所不同的是，微机型母线保 护对各c t 回路上的模拟量进行采样并转化为数字量，然后再进行相应的算法 处理。日前，微机型母线保护的一些成熟产品在国内有华中理工大学与南白厂 联合研制的w m z 4 1 型微机母线保护装置，许继电气公司的w m h 型微机母线 1 0 西华大学硕士学位论文 保护，南京自动化研究院的b p 型、b p 2 a 型母线保护b 1 ；在国外有西门子公 司的7 s s 5 系列数字式主站保护1 、东芝公司的d 2 b 型母线保护l 【5 1 ，三菱公司 的m b p d 型数字式母线保护装置1 等。这些保护在原理与构成上虽有所不 同，但却有以下共同特点： 通过测量隔离刀闸的辅助接点的状态并采取其他的一些软件搜索方法， 实现“软件切换”，自动适应母线各种运行方式的变化。 能刘应电流互感器变比不一致的情况。通过定值设定等方法，自动调整 c t 变比。 充分利用微机智能化的特点，用数字方法对c t 饱和进行检测并且实现 多种原理的综合。 比较容易附加其它的保护功能，如断路器失灵保护等。 具有软件与硬件自检功能，使保护可靠性得到提高。 但是，集中式微机母线保护也存在着以下缺陷： 随着电力系统自动化水平的提高及微机保护在电力系统中的广泛应用、 变电站综合自动化在全国的逐步推广，保护分散布置、就地化己成为发展的趋 势，微机型母线保护也将成为整个变电站保护和控制的一部分。综合自动化变 电站往往采取分层分布式布置，前置单元布置于开关场内，变电站后台监控及 远动与前置单元之间的通讯通过网络或现场总线进行，其介质仅为少量的通讯 电缆或光缆。而作为综合自动化变电站一部分的母线保护，如采取集中布置， 必然存在犬量的从开关场连接到控制室的二次电缆，这不仅会提高整个工程的 造价，而且造成整个变电站设计与建造的不协调，导致维护与管理上的困难。 从c t 二次侧到控制室的二次电缆使得c t 二次阻抗较大，不利于防止 c t 饱和( c t 饱和程度和时间与其二次阻抗大小密切相关) 。 从c tz - 次侧到控制室的二次电缆较长，也使得模拟电流信号容易受到 变电站强电磁干扰的影响。 、+ 随着电网的舰模日益扩大，变电站母线上的出线数也日益增加，母线保 护所要处理的信息量也随之增大，这对于数字保护中c p u 的处理能力提出了较 高的要求。文献 1 中采用基于s t d 总线的工控机进行分相处理，再利月 b i t b u s 网络与置机通信，将任务分散化。而西门子公司的7 s s 5 系列和三菱公 司的m b p d 型等母线保护均采用3 2 位多c p u 分散处理式硬件结构。这些做法 曲华大学颧士学位论文 虽然在一定程度上解决了单c p u 处理能力不足的问题，但带来的负面影响是导 致了保护硬件结构的复杂化，可靠性降低，无法适应就地布置的要求。从另一 方面来说，集中式微机裂母线保护的结构及其处理能力也限制了它的灵活性及 扩展性。 而分布式母线保护将信号的采集和处理、保护的出口等功能放在母线上的 各个间隔单元中，各个间隔单元分布安装，各个间隔单元处理后的数据信息通 过光纤传送到保护的中心单元，进行保护的判断处理，判断后的结果再通过光 纤传回到各个间隔单元，进行保护出口操作。分布式母线保护相比于集中式母 线保护来说更符合电力系统母线设备的运行特点，能节约大量的二次电缆，具 有很强的扩展性，只需要很小的安装空间。国外已在分布式母线保护的研究和 应，月上做了许多工作，文献 7 】、 8 】、【9 】、【1 0 】就分布式母线保护的研究和应用 给出了许多研究结果，表明了分布式母线保护是母线保护的发展方向。而国内 也对分布式母线保护的研究和应用取得了一些成果。“”“2 1 虽然分布式母线保护具有诸多优点，但实现困难，技术要求高。数据刷步 采集和同步传输是分布式差动原理母线保护能否实现的两项关键技术。 1 3 4 母线保护存在的问题 现有母线保护存在的问题除了文章前面提到过的t a 饱和的影响和数据同 步采集和数据同步传输在实现分布式母线保护上具有的难度以外，还有以下几 个方面： 首先，关于最小不平衡电流的调节问题。差动原理母线保护在投入运行前 需调节差动不平衡电流，使其达到最小，这是母线保护最小动作电流的整定依 据。目前最小不平衡电流的调节工作还需人工完成。由于母线保护在电力系统 中的重要性，使最小不平衡电流的调节工作具有相当的责任度。随着系统的复 杂化，母线上t a 数量增加，最小不平衡电流的调节工作复杂度也增加。而且 每次运行方式的改变或者增加一叫线路，其母线保护的最小不币衡电流又需重 新调节，这明显地增加了母线保护运行工作者的t 作难度。因而如何减轻母线 保护运行工作者的劳动强度和心理负担、智能化地使母线保护适应母线运行的 不同情况、条件，而尽量不受人为因素的影响，就成为母线保护所关注的问 颠。 西华大学硕士学位论文 其二，区外故障转区内故障识别。在r a 饱和的情况下，母线区外故障转 区内故障时，差动原理母线保护将在t a 饱和闭锁解除后才能判断内部故障， 若t a 饱和闭锁解除不及时，则使差动原理母线保护的保护性能降低。在这种 情况下，母线保护如何能及时地解除t a 饱和闭锁是母线保护关注的问题。 其三，t a 断线处理。t a 断线后无法传变电流，严重时会影响母线保护的 故障判断，从而造成母线保护的误动或拒动。为了消除t a 断线的影响，在发 生t a 断线时差动原理母线保护应闭锁运行。但是一旦母线差动保护被闭锁， 则母线将在无保护配置情况下运行，这是极其危险的。 基于以上所讨论母线保护存在的问题，考虑到母线保护在电力系统运行中 的重要作用开展母线保护的研究还具有相当的价值，母线保护还有丰富的研究 内容，要使母线保护在保护性能和可靠性j 二进步提高，还需保护研究者们长 期的研究。 1 4 智能化母线保护的发展现状 神经网络的研究已有三十多年，但其问发展并不平衡。早在1 9 4 3 年，心 理学家m c c u l l o c h 和数学家p i t t s 合作提出了神经元的数学模獭( m p 模型) ，基 r 这种神经元模型，1 9 4 9 年h e b b 从条件反射研究中提出h e b b 学习规则。6 0 年代初h a r m a n 等人用电子管和品体管设计出不同型号的人工神经元，随后 r o s c n b l a t t 提出感知机和w i d r o w 提出自适应线性元件，突破了传统的人工智 能，但由于种种原因后来遭到了冷落。直到8 0 年代，神经网络热潮重新掀起。 h o p f i e l d - ：1 9 8 2 年提出的h o p f i e l d 模型被认为是神经网络的突破性工作。1 9 8 6 年r u m e l h a r t 和m cc l e l l a n d 提出了神经网络的误差反传学习算法，从原则上解 决了神经刚络的训l 练方法问题，使得神经网络有了很强的运算能力，其应用范 围大大拓宽。”1 近年来，国外些文献提出了一些基于模型实现的保护。将被保护对象构 建为一个数学模型，用在线检测的数据作为数学模型的输入来估计数学模型的 参数，将该估计输出与理想输出相比较，以此米区分内部故障和外部故障。模 型的构建方法、参数估计的数据样术和估计方法是决定基于模型保护能否实现 地关键。 西华大学硕士学位论文 对丁基于模型的母线保护，由于母线保护要在不同情况下( t a 未饱和、 饱和、变比不一致变换特性不致，母线运行方式改变，t a 断线等) 都能区、 分内部故障和外部故障，因此其数学模型应是非线性时变模型，这一模型难以 用数学式来精确描述。 人工神经网络模型的母线保护可以进一步提高母线保护的性能和减少母线 保护的使用复杂化问题。人工神经网络模型是一种具有高度智能化的数学工 具。考虑一个确定的物理对象，可以将物理列象的输入和输出的确定关系视为 一个函数，将物理对象的输入和输出作为人工神经网络模型的输入和期望输 出，依据人工神经网络模趔的计算输出和期望输出之间的误差，调节人工神经 网络模型各层的权系数，使计算输出和期望输出之间的误差趋于最小。 基于人工神经网络模型的母线保护是将一段电力系统母线视为一个确定的 物理对象，其物理输入为母线上各回路t a 传变后的同步二次检测电流，物理 对象输出为母线上各回路的一次同步检测电流之和，用一个带隐藏层的人工神 经网络模型可实现母线保护功能。 人工神经网络有表示任意非线性关系和时变关系的能力，可通过输入的样 本学习估计参数，这给建模带来了一种新方法。 1 5 本文研究的主要内容 为了开展对高度智能化母线保护的研究，本文就以下内容进行研究。 1 母线保护的人工神经网络模型 人工神经网络是实现高度智能化母线保护的最有力 二具之一，开展对母线 保护人工神经网络模型的研究将为实现高度智能化母线保护提供理论基础。研 究的具体内容有：基于a n n 函数逼近能力的母线保护原理，母线保护物理对象 的函数关系，母线保护的人工神经网络模型。 2 母线保护人工神经网络模型的仿真训练 m a t l a b 软件平台是一种有效的仿真研究工具，本文拟利用m a t l a b 软件平台剥母线保护人工神经网络模型进行仿真训练研究。具体的研究内容 有：激活函数为线性函数的母线保护人工神经网络模型的仿真训练研究，激活 函数为非线性函数的母线保护人工神经网络模型的仿真训练研究。 西华大学硕士学位论文 3 母线保护人工神经网络模型的物理模拟实验结果分析 通过物理模拟实验的结果分析，可以验证母线保护人工神经网络模型的正 确性和可实现性，同时还可发现问题，进而解决问题，使基于人工神经网络模 型母线保护的理论原理和实现方法更加完善。 西华大学硕士学位论文 第2 章神经网络原理 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称a n n ) 是一门崭新的边沿 交叉学科，对它的研究始于2 0 世纪4 0 年代。至今已有半个多世纪的历史。人 工神经网络是模拟生物神经元的结构而提出的一种信息处理方法。它是一种非 线性映射的方法，很多难以列出方程式或难以求解的复杂的非线性问题，应用 神经网络方法则可迎刃而解。神经网络的研究已有三卜多年，但其间发展并不 平衡。早在1 9 4 3 年，心理学家m c c u l l o e h 和数学家p i t t s 合作提出了神经元的数 学模型( m p 模型) ，基于这种神经元模型，1 9 4 9 年h e b b 从条件反射研究中提 出h e b b 学习规则。6 0 年代初h a r m a n 等人用电子管和晶体管设计出不同型号的 人工神经元，随后r o s e n b l a t t 提出感知机和w i d r o w 提出白适应线性元件，突破 r 传统的人工智能，但由于种种原因后来遭到了冷落。直到8 0 年代，神经网络 热潮重新掀起。h o p f i e l d 于1 9 8 2 年提出的h o p f i e l d 模型被认为是神经网络的突 破性工作。1 9 8 6 年r u m e l h a r t 和m cc l e l l a n d 提出了神经网络的误差反传学习算 法，从原则上解决了神经网络的训练方法问题，使得神经网络有了很强的运算 能力，其应用范围大大拓宽。 a n n 之所以受到人们的普遍关注，是由于它具有本质的非线性特征、并 行处理能力、强鲁棒性以及自组织自学习的能力。 2 1 人工神经网络的发展现状与前景旺1 人们别神经元网络的研究是从2 0 世纪4 0 年代就开始了，至今已有半个多 世纪的历史。1 9 4 3 年，心理学家m m c c u l l o c h 和数学家w h p i t t s 采用数理模 型的方法首先提出了种人工神经元模型，简称m p 模型，迈出了人类研究 神经元网络的第一步。1 9 4 9 年心理学家d 。o 。h e b b 在他所著的行为组织学 一书中提出了神经元之间连接强度的变化规律，即：当细胞a 的轴突传导的神 经信号刺激细胞b 时，如果细胞b 因此向产生动作电位，则a b 间的突触连接 加强；如果细胞b 不产生动作电位，则a b 间的连接将减弱。这就是我们所说 的h e b b 学习舰则。这一规则当时是作为假设提出来的，其f 确性在3 0 年后得 6 西华大学硕士学位论文 到了证实，至今它在各种神经元网络模型研究中仍起着重要作用。 第一个智能型的人工神经元网络系统是在1 9 5 8 年由r o s e n b l a t t 提出的感知 机( p e r c e p t r o n ) 模型网络。在这种人工神经元网络中，记忆的信息存储在连接 权上，外部刺激通过连接通道自动激活相应的神经元，以达到自动识别的目 的。虽然感知机模型比较简单，但已经具有神经元网络的一般性质，如可学习 性、并行处理、分布式存储等，这些性质与当时流行的串行、离散的符号处理 的电子计算机与人工智能技术完全不同，因此引起了研究人员的极大兴趣。而 且这种网络一直到现在都还在广泛应用。1 9 6 0 年，b w i d r o w 和m h o f f 从工程 角度出发发表了“自适应开关电路”一文，提出了一种自适应线性神经元模型 ( a d a l i n e ) 以及一种有效的网络学习方法，即通常所说的w i d r o w - - h o f f 学习 舰则。而且他们对神经元网络硬件系统的开发也有相当深入的研究。 随着人工神经元网络研究的不断深入，人们曾遇到过来白各方面的各种困 难和许多一时难以解决的问题。对神经元网络的学习能力f d 题，引起了学术界 的很大争议，特别是人工智能的创始j k 2 _ m m i n s k y 和s 。p a r p c r t 于1 9 6 9 年 发表的感知机一书，提出了感知机网络的局限性，大大地影响了人们对神 经冗网络研究的兴趣。使人工神经元网络的研究在7 0 年代处于低潮。 但是在神经元网络研究处于低潮的时期，仍有为数不多的学者不遗余力的 致力于神经元网络的研究，先后提出了自适应共振理论( a r t ) 模型和自组织 映射( s o m ) 理论网络。s o m 模型是一类很重要的无监督学习型人工神经元网 络，主要用于模式识别、语音识别、数据分类等方面。 在人工神经元网络的研究被冷落了1 0 年之后的1 9 8 2 年，美国一物理学家 发表的一篇突破性的学术论文，提出了一种新的神经元网络模型，并指出可以 用微电子器件来实现它，这个神经元网络是基于磁场的结构特征而提出来的， j 良容易被工程技术人员理解，引起了人们的普遍关注，这就是人们后来所称的 h o p f i e l d 神经元网络。在其网络模型中，定义了神经元网络的“能量函数”，并 给出了网络稳定性的判据，使所提出的网络具有联想记忆和对优化问题求解的 能力。h o p f i e l d 神经元网络的出现为神经计算机( n e u r o c o m p u t e r ) 的研制奠定 了基础，并开创了神经元网络用于联想记忆和优化计算的新途径。 在1 9 8 4 年之后的三年内，美围a t & t 公司贝尔实验室宣布了利用 h o p f e l d 网络原理实现了第一个基丁硅芯片的硬件神经无网络。g e h i n t o n 和 两华大学硕士学位论文 t j s e i n o w s 韬借助统计物理学的概念和方法提出了一种随机神经元网络模型一 波尔茨曼机，学习过程中采用模拟退火原理，有效地克服了h o p f i e l d 网络存在 的能量局部极小问题，使整个网络系统最终能达到能量全局最小点，也就是可 以获得一个最优解。 1 9 8 6 年至1 9 8 8 年d e r u m e l h a r t 与l l m c c l e l l a n d 领导的p d p 研究小组 出版了并行分布处理一书，全面介绍了p d p 理沦。他们将神经元网络模型 归结为具有三个基本属性：结构、神经节点传递函数及学习算法。并发展了适 用于多层网络学习的误差逆传播( b p ) 算法，为解决多层网络学习难的问题开 辟了一条道路。b p 算法是迄今为止应用最普遍的神经元网络学习算法。 目前，应用人工神经网络主要是为了实现以下几方面的功能：联想记忆、 识别与分类、优化计算。 人工神经网络的研究主要集中在以下几个方面： 1 建立理论模型。从生理学、神经科学等学科刘生物神经细胞和神经网 络的研究成果出发，建立概念模型、知识模型、物理化学模型、数学模型等。 2 网络模型与算法研究。在理沦模型的基础上构造具体的神经网络模 型，以便实现计算机模拟和硬件制造。 3 应用研究。在网络模型与算法研究的基础上，利用人工神经网络组成 实际的应用系统，以便实现某种实际功能。 到目前为止，神经网络的类型已多达数十种，已经用于各行各业。神经网 络已在理论上和实用上取得了一些成果。就电力系统而言，神经网络已经用到 了电力系统的各个领域，包括分析、规划、识别、控制等。人工神经网络的研 究涉及到众多的学科，除了神经科学外，还需要_ 卜分广泛的数学工具，几乎涉 及到应用数学的一切门类。 2 2 人工神经网络的应用领域 随着人工神经网络技术的发展，其用途同益广泛，应用领域也在不断拓 展，已在各工程领域中得到广泛的应用。总而言之，人工神经网络技术可用1 二 如下信息处理工作：函数逼近、感知觉模拟、多目标跟踪、联想记忆及数据恢 复等。具体而言，其主要用j j ：解决下述几类问题： 西华大学硕士学位论文 ( 1 ) 模式信息处理和模式识别 所谓模式，从广义上说，就是事物的某种特性类属，如：图像、文字、语 言、符号等感知形象信息；雷达、声纳信号、地球物探、卫星云图等时空信 息；动植物种类形态、产品等级、化学结构等类别差异信息等等。模式信息处 理就是对模式信息进行特征提取、聚类分析、边缘检测、信号增强、噪声抑 韦4 、数据压缩以及各种变换等。模式识别就是将研究客体的特性类属映射成 “类别号”，以实现对客体特定类别的识别。人工神经网络特别适宜解算这类问 题，形成了新的模式信息处理技术。它在各领域中的广泛应用是神经网络技术 发展的重要侧面。这方面的主要应用有：图形、符号、手写体及语音识别，雷 达及声纳等目标识别，药物构效关系等化学模式信息辨识，机器人视觉、听 觉，各种最近相邻模式聚类及识别分类等等。 ( 2 ) 最优化问题计算 人工神经网络的大部分模型是非线性动态系统，若将所计算问题的目标函 数与网络某种能量函数对应起来，网络动态向能量函数极小值方向移动的过程 则可视作优化问题的解算过程，稳态点则是优化问题的局部或全局最优动态过 程解。这方面的应用包括组合优化、条件约束优化等一类求解问题，如任务分 配、货物调度、路径选择、组合编码、排序、系统规划、交通管理以及图沧中 各类问题的解算等。 ( 3 ) 信息的智能化处理 神经网络适宜于处理具有残缺结构和含有错误成分的模式，能够在信源信 息含糊、不确定、不完整，存在矛盾及假象等复杂环境中处理模式。网络所具 有的自学习能力使得传统专家系统技术应用最为困难的知识获取工作转换为网 络的变结构调节过程，从而大大方便了知识库中知识的记忆和抽取。在许多复 杂问题中( 如医学诊断) ，存在大量特例和反例，信息来源既不完整又含有假 象，且经常遇到不确定信息，决策规则往往相互矛盾，有时无条理可循，这给 传统专家系统应用造成极大困难，甚至在某些领域无法应用，而神经网络技术 则能突破这一障碍，且能对不完整信息进行补全。根据已学会的知识和处理问 题的经验别复杂问题作出合理的判断决策，给出较满意的解答，或对未来过程 作出有效的预测和估计。这方面的主要应用是：自然语言处理、市场分析、预 测估值、系统诊断、事故枪查、密码破译、语言翻译、逻辑推理、知识表达、 西华大学硕士学位论文 智能机器人、模糊评判等。 ( 4 ) 复杂控制 神经网络在诸如机器人控制等复杂控制问题方面有独到之处。较之传统数 字计算机的离散控制方式，更适宜于组成快速实时自适应控制系统。这方面的 主要应用是：多变量自适应控制、变结构优化控制、并行分布控制、智能及鲁 棒控制等。 ( ) 信号处理 神经网络的自学习和自适应能力使其成为对各类信号进行多用途加工处理 的一种天然工具，尤其在处理连续时序模拟信号方面有很自然的适应性。这方 面的主要应用有：自适应滤波、时序预测、谱估计和快速傅立叶变换、通信编 码和解码、信号增强和降噪、噪声相消、信号特征检测等。神经网络在做弱信 号检测、通信、自适应滤波等方面的应用尤其引人注目，已在许多行业得到运 用。 电力行业历来就是新技术、新理论大有用武之地的一个行业，人工神经网 络也毫不例外地在电力系统中找到了自己的位置，已经用到了电力系统的几乎 所有领域，包括电力系统训算( 如短路电流计算、网损计算等) ，安全稳定分 析，电力系统规划( 如电网规划、开停机规划、电容器投切规划等) 。而且人工 神经网络技术与其他理沦和技术互相交叉、渗透，形成更有力的技术手段，表 现出良好的应用前景。 2 3 人工神经网络的基本结构与模型 人工神经网络是在现代神经学、生物学、心理学等科学研究的基础上产生 的，反映了生物神经系统的基本特征，是对生物神经系统的某种抽象、简化与 模拟。具体人工神经网络是由许多并行互联的相同神经元模型组成，网络的信 号处理由神经兀之问的相互作用来实现。 一个人工神经刚络的神经元模型和结构描述了一个网络如何将它的输入矢 量转化为输m 矢量的过程。这个转化过程从数学角度来看就是一个计算的过 程。也就是说，人工神经网络的实质体现了网络输入和其输出之问的一种函数 火系。通过选取不同的模型结构和激 苫函数，可以形成各种不同的人工神经网 西华大学硕士学位论文 络，得到不同的输入输出关系式，并达到不同的设计目的，完成不同的任务， 所以在利用人工神经网络解决实际应用问题之前，必须首先掌握人工神经网络 的模型结构及其特性以及对其输出矢量的计算。 2 3 1 人工神经元的基本结构 人工神经网络是由大量简单的基本元件神经元( n e u r o n ) 相互连接而成 的自适应非线性动态系统，神经元是神经网络的基本处理单元，它一般是一个 多输入单输出的非线性动态系统，其结构模型如图2 - 1 所示。 五 而 ； z f i g 2 - 1s t r u c t u r em o d e lo fn e u r o n 图2 - 1 神经元结构模型 其中“，为神经元内部状态，只为闽值，_ 为输入信号，表示从输入到 “，的联结权值。则图2 1 所示模型可描述为： “z = 驴g y ：= f ( u f ) ( 2 - 1 ) ( 2 2 ) 若神经元的输出直接反映内部状态，则y 。= “：。，( + ) 为神经元的f o 特 性，常用神经元特性有以下三种，如图2 2 所示。 西华大学硕士学位论文 a 一阶跃型b 一线性型 f i g 2 - 2i oc h a r a c t e ro fn e u r o n 图2 - 2 神经元的特性 图2 2 口是阶跃型转移函数，它限制网络的输出，使得输入参数小于0 时 输出为0 ，火于或等于0 时输出为1 ，可称之为数字型( 二值型) 函数。b 和c 则称之为模拟型( 连续值型) 。b 用作自适应线性滤波中的线性拟合，而c 的输 入参数是正负区问的任意值，而将输出值限定于o 到1 之间。这种传递函数通 常用于反向传播( b p