英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

外文文献翻译

题 目 神经网络继电器控制的自定义电源保护装置

A custom power protection device controlled by a neural network relay

神经网络继电器控制的自定义电源保护装置

G. Celli, Member, IEEE F. Pilo, Member, IEEE

R. Sannais

M. Tosi, Member, IEEE

Department of Electrical and Electronic Engineering University of Cagliari I09123,Cagliari,Italy

摘要:电压降给一些设备带来的问题使越来越多的工商界客户开始关注电压降问题。在装有专用发电系统的工业装置中，当输电线路发生故障时，保护装置将用户从系统断开，保持敏感负荷中断，但由于其干预延迟，会将设备暴露给电压降。本文介绍了一种基于固态断路器的高速保护装置，该装置由人工神经网络智能控制，能够大大缩短电压下降持续时间。它将指明, 为了在我们几个人的范围内识别即将在网络上发生的异常事件，准确预测有效电压是可能的。该行为分析了保护装置在几种系统状态和不同故障类型下的性能。

关键词:定制电源，电能质量，电压降，人工神经网络。

1 绪论

当前，电能质量已成为一个重要问题，但这不意味着在过去这个问题并不重要。这仅与系统的可靠性有关。一般来说，用户负载本质上是线性的，对电源电压的瞬时变化(如暂态和电压降)不是很敏感。

如今，工业和商业设施中使用的设备比10或20年前的同类设备对电压扰动更加敏感。但由于利润率下降，企业对生产时间的损失也变得更加敏感。此外，从更多的营销角度来看，电能质量是一个准确工具，其允许能源用户比较不同能源供应商提供的服务。在一个放松管制的能源市场上，这将是一个永恒的重要话题。因此，考虑到所有这些方面，不难理解最近人们越来越重视电能质量。电能质量是指实际电能电压或电流与理想电压或电流之间的偏差。这些偏差有两种类型。第一种是用偏差来表示的，这些偏差通常表现为有效电压与实际电压之间的微小差异，又或是小的谐波失真。另一种包括偶尔出现的大偏差，如过电压、中断和电压降。

最后一类事件是指可能导致设备跳闸、生产或工厂运行中断、危及电力系统运行的故障。在这些干扰中，电压降正日益成为许多工业和商业用户关注的问题。电压降是有效电压的短期下降，主要由短路、大型电机启动和电容器开关引起。人们对电压降的巨大关注归咎于其对几种类型设备造成的问题。当然，电压降对工业的损害并不像断路那么大。但是，由于电压降的出现远多于断路，因此，由电压下降引起的总体损害仍然较大。

当前，有多种方法可以减少断路和电压下降对敏感设备的影响。通过使用地下电缆取代架空线路，或通过使用快速保护装置增加维护和检查频率或故障清除时间，可以减少短路故障的数量。实际上，最常用的解决方法是在系统-设备接口上安装额外的设备，这种方法受欢迎的原因是它是用户控制电路的唯一方法。例如静态转换开关、动态电压恢复器(DVR)、静态无功补偿器(SVC)和持续电源(UPS)，这些设备提供了电力公司为客户提供的增值电力，这体现了现代定制电力概念的主旨。

此外，可以通过改变供电系统来降低事故严重程度。例如在敏感负载附近安装一台发电机，当输电线路电压下降期间，可以保持负载电压不变。类似的情况可以用私人发电系统表示。当输电线路出现故障时，保护装置将断开工厂与电网之间的连接，使敏感负载不受干扰。然而，由于保护装置的干预延迟，设备将被暴露给电压降。

本文分析了一种基于固态断路器的高速保护装置，该装置能快速地将用户设备与电网断开，大大缩短了设备电压下降时间，不影响工业生产。

电压下降持续时间不仅是开断断路器所需要的时间，而且也包括了保护装置作出判断所需要的时间。因此，该装置是由人工神经网络“智能”控制的。通过监测最合适的状态变量，可以提前半个周期(10毫秒)预测不同系统状态的有效电压。然后，使用特定的判断策略，对这些预测值进行处理，以识别事件。这样，检测故障所需的时间可以减少到毫秒的几分之一，而现代保护继电器只需几十毫秒。事实上，这个控制系统不需要等待异常事件的进一步发展来感知问题的存在，但是，从被监控变量的第一个样本来看，它已经能够预测它们的行为，并决定是否进行干预。

2 系统模型

2.1 电源系统描述

该论文所研究的电力系统如图1所示。配有750kV发电机的工厂，由一座150kV/15kV变电站通过一条25km长的架空线路进行供电。在该线路上接入了两个中压负荷，分别为距离变电所10km处的700kW负荷和距离变电所20km处的1500kW负荷。工厂负荷分为正常负荷和敏感负荷(均为100kW)，其中后者包括了必须不断供电、运行的生产设备。该工厂的电力系统包括私有发电机和敏感负荷，当它与电网分开运行时，这个电力系统就被称为“孤岛网络”。

图1 电力系统研究

从图1中可以看出，该系统对供电线路不同位置的三相短路、电容开关以及不同强度的突发过载进行了研究。此外，它还被认为是单相接地故障事件，导致输电线路断路器的干预，从而切断了从电网输入的电力。本次研究，在存在不同THD值(总谐波失真)的谐波污染的情况下，对这些事件进行了分析。

上述电力系统使用EMTP96软件进行模拟，该软件可模拟电力装置中的电气和机电瞬时状态。研究中，采用分布参数模型对25 km 中压架空线路进行了数值模拟，利用三相三铁芯变压器模型对中压/低压变压器进行了仿真，同时利用同步电机在暂态状态下的实际行为模型对私有发电机进行了模拟。为了模拟意大利中压配电系统中典型的中性不接地系统，还对星形—三角形高压/中压变压器进行了仿真，并通过三阻抗星形连接和不接地来考虑每一中压负载。此外,为了获得实际的系统行为在对地不平衡故障,其他电缆和架空线路中添加了相同电力系统提供给15千伏变电所的母线。

2.2 保护计划

接口装置通常是继电器控制的机电开关。在器件驱动的基本负载上出现的电压下降所持续的时间，是继电器识别故障所需时间与开关的关断时间之和。通常是100/120毫秒，大多数敏感负载无法承受如此长的时间。为了缩短这种持续时间，可以采用基于半导体开关的固态断路器(SSB)，这种开关的关断相位在微秒以内。除了比机械开关快得多之外，固态断路器还可以重复使用，而且性能不会下降。通过使用足够的缓冲电路，实现了两个网络的平滑断开，并将总清除时间控制在半周期内。此外，母线Bl上的电压在感知到故障后立即恢复到其标准值，将倾斜持续时间缩短到检测时间内。

所述保护装置的结构如图2所示，在图2所示的单相方案中，通过两个串联开关支路S_1S和R_S-S_2S，将一个本地低压网络(B侧)连接到一个低压配电网（A侧），并提供一个专用的发电机电压V_B。在正常运行过程中，电流通过开关S_1s，流向配电线路。当保护装置的控制系统识别到故障事件时，打开S_2S，延迟几微秒后关闭S_1S, S_1S中断的电流通过缓冲电阻R_S，直到达到自然零。此时，开关S_2S也被关闭，将故障网络与B部分隔离。

图2 单相保护计划

图3给出了实现所提出的电力系统保护接口的电路方案。对于每一相，固态断路器由一对功率IGBT晶体管组成的交流开关模块S_1S和包含交流双晶闸管模块(SCR) S_2S的缓冲电路组成，串联并联电阻R_S和电容CS。

图3 单相保护电路

IGBT结合了功率双极晶体管和功率场效应管的优点，似乎是最适合高功率应用的器件。事实上，它具有低通损耗和控制能力。可控硅优势在于，一旦打开开关，就能保持开路状态，直到其中的电流达到自然零点。缓冲电阻R_S具有双重功能，允许IGBT被关闭，减少其开关损耗，并在发生故障时重新恢复受保护负载上的电压。与R_S并联的缓冲器CS被设计成在电路关断过程中进一步降低S_1S的脉冲能量吸收，至少在第一个瞬间能够在低电压下开关。

3 控制系统

在控制系统的规划阶段，重要的是选择变量，以便更好地检测被控系统中特定事件的出现，并采取适当的保护措施。电压下降是在有限的时间内，电压幅度的显著降低。因此，一般认为，通过计算系统在1/2或1个周期(50Hz电力系统为10ms或20ms)内对电压进行采样，可以检测和判断该事件，检测公式如下所示:

其中V(t)为电压随时间的函数，采样点k△t为等距点，N为一个半周或一个周期内包含的样本数。应该注意的是有效电压不会在电压下降的情况下立即下降，而是需要一个半或一个周期的过渡。综上所述，通过对有效电压的观察，可以很容易的识别出电压的下降，但是如果需要开发一个有效的保护系统，则需要花费太多的时间来计算。该方法的原始思想是利用故障发生后的有效电压的第一个样本及其频率，应用神经网络预测半周期后的有效电压值。为了提高神经网络的动态性能，采用了一种特殊的神经结构—局部递归全局前馈结构。

三相电力系统的控制系统逻辑中,电压V=[V1(t) V2(t) V3(t)]是图1母线B1中快速采集系统连续监测的电量。计算了瞬时有效电压以及它的一阶导数和二阶导数，并将其作为神经预测器的输入。利用这些变量，对半周期有效电压进行评估，神经预测器能够较准确地预测有效电压值10ms。实验表明，有效电压的导数是实现良好预测的必要条件。考虑到三个控制变量是预测样本输入可忽视错误的有效值电压,如果采集系统采样率为150毫秒可以被接受，那么所描述方法能够在400 500微秒内识别电压下降，并命令接口断路器快速断开敏感负载,以至于在中压线故障时，所受到的影响几乎可以忽略不计。

如果有效电压预测精度较好，如图4所示，可以使用简单的阈值分类器命令固态断路器进行干预。将预测的有效电压与一个合适的阈值进行比较，当阈值变为小于前缀阈值时，检测电压下降并激活保护。应该注意的是，这个控制系统允许开发一个灵活的工具，可以根据每个客户的特殊需求轻松地进行调整。例如，阈值的选择可以强调系统的快速性或可靠性。此外，还可以通过在阈值上增加滞后来改进控制逻辑，从而避免在插入电容器组引起的电压振荡期间，对保护装置进行不必要的干预。

4 神经预测

为了确保对敏感负载的可靠服务，我们决定采用一种预测诊断系统，这种系统的结构称为“局部递归全局前馈”，似乎比传统的多层感知器(MLP)神经网络更合适。由于训练集中的输入输出耦合被认为是相互独立的，因此，多层感知器允许再现一般的非线性函数，但是这种非线性近似是静态的。显然，当输出不仅依赖于当前输入，而且还依赖于系统以前的历史记录时，这种方法是不合适的。

另一方面，本文提出的应用程序要求解决方案考虑到当前输出与以前输入和输出之间存在的联系。这一目标可以通过使用局部递归全局前馈网络结构来实现。这些网络的特点是一个前馈结构，其相邻层之间的突触有水龙头和反馈连接。由于特定的体系结构，突触的输出依赖于以前的输入，如果存在反馈连接，它们也依赖于过去的输出值。为这些网络开发了高效的学习算法。使用这种学习算法，网络被训练来模拟电力系统在发生故障和突然过载时的行为。在训练过程的最后，网络实际上能够在线求解非线性和时变的积分微分方程，控制系统在非正常运行条件下，或当突然负荷变化发生时。此外，如果训练得当，网络还能够预测t 1时刻控制变量的值，即已知t、t-1、t-2、t-N时刻的值，其中N为网络内存幅值。

5 结论

本次研究中使用EMTP软件进行了大量的仿真，以便得出在学习阶段使用的指示性训练集和验证集。不同的事件被考虑在内。如图1所示，当三相故障发生在不同的地方时，针对中压负载所需功率的不同情况，模拟电容切换事件。不同程度的过载也被考虑在内。故障或稳态扰动发生的时刻是随机选择的，这样就可以准备60个模式，其中一半用于创建训练集，另一半用于创建验证集。

选取三个输入变量，对训练集和验证集进行了多次测试，以找出局部递归神经网络预测器的最佳结构。采用15个隐藏节点的网络和局部递归结构，取得了很好的效果。输入层和隐藏层之间的突触在正向和反馈链上分别有5和2个延迟。隐藏层与输出层之间的突触在正向和反馈链上分别有4和1个延迟。

图5 三相故障时的电路状况

图5和图6分别描述了神经预测器对三相故障和过载情况的预测结果。在每个图中，它显示了母线B1处的三相电压，它们的瞬时均方根行为，以及与预期输出相比，提前半周预测的单相有效电压。可以看出，在故障发生后的三个样本中，神经网络预测

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18490]，资料为PDF文档或Word文档，PDF文档可免费转换为Word