人工神經(jīng)元網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用研究
摘要:隨著電力工業(yè)的發(fā)展,人工神經(jīng)元網(wǎng)絡(luò)(ANN)在電力系統(tǒng)中獲得了廣泛的應(yīng)用。本文概述了人工神經(jīng)元網(wǎng)絡(luò)的特點(diǎn)、基本結(jié)構(gòu)以及發(fā)展過(guò)程,并對(duì)ANN在電力系統(tǒng)中的具體應(yīng)用做了詳細(xì)的話述。最后,對(duì)人工神經(jīng)元網(wǎng)絡(luò)的發(fā)展趨勢(shì)和在電力系統(tǒng)中的應(yīng)用前景進(jìn)行了展望。
關(guān)鍵詞:人工神經(jīng)元網(wǎng)絡(luò)(ANN) 電力系統(tǒng) 應(yīng)用前景 展望
人工神經(jīng)網(wǎng)絡(luò),是一種模范動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征,進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度,通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系,從而達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力,可以通過(guò)預(yù)先提供的一批相互對(duì)應(yīng)的輸入一輸出數(shù)據(jù),分析掌握兩者之間潛在的規(guī)律,最終根據(jù)這些規(guī)律,用新的輸入數(shù)據(jù)來(lái)推算輸出結(jié)果。人工神經(jīng)網(wǎng)絡(luò)具有四個(gè)基本特征:非線性、非局限性、非定性、非凸性。人工神經(jīng)網(wǎng)絡(luò)理論,作為人工智能的一個(gè)最活躍的分支,其模擬人腦的工作方式,為解決復(fù)雜的非線性、不確定性、不確知性系統(tǒng)的問(wèn)題開(kāi)創(chuàng)了一個(gè)嶄新的途徑,因而在電力系統(tǒng)應(yīng)用研究中受到了廣泛的關(guān)注。
1.ANN發(fā)展過(guò)程
1943年,心理學(xué)家W.S.McCulloch和數(shù)理邏輯學(xué)家W.Pitts建立了神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型,稱為MP模型。他們通過(guò)MP模型提出了神經(jīng)元的形式化數(shù)學(xué)描述和網(wǎng)絡(luò)結(jié)構(gòu)方法,證明了單個(gè)神經(jīng)元能執(zhí)行邏輯功能,從而開(kāi)創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)研究的時(shí)代。60年代,人工神經(jīng)網(wǎng)絡(luò)得到了進(jìn)一步發(fā)展,更完善的神經(jīng)網(wǎng)絡(luò)模型被提出,其中包括感知器和自適應(yīng)線性元件等。1982年,美國(guó)加州工學(xué)院物理學(xué)家J.J.Hopfield提出了Hopfield神經(jīng)網(wǎng)格模型,引入了“計(jì)算能量”概念,給出了網(wǎng)絡(luò)穩(wěn)定性判斷。1984年,他又提出了連續(xù)時(shí)間Hopfield神經(jīng)網(wǎng)絡(luò)模型,為神經(jīng)計(jì)算機(jī)的研究做了開(kāi)拓性的工作,開(kāi)創(chuàng)了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)算的新途徑,有力地推動(dòng)了神經(jīng)網(wǎng)絡(luò)的研究。人工神經(jīng)網(wǎng)絡(luò)的研究受到了各個(gè)發(fā)達(dá)國(guó)家的重視,美國(guó)國(guó)會(huì)通過(guò)決議將1990年1月5日開(kāi)始的十年定為“腦的十年”,國(guó)際研究組織號(hào)召它的成員國(guó)將“腦的十年”變?yōu)槿蛐袨椤?/p>
2.ANN的特點(diǎn)與結(jié)構(gòu)
人工神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展及神經(jīng)生理科學(xué)、數(shù)理科學(xué)、信息科和計(jì)算機(jī)科學(xué)等眾多領(lǐng)域,是一種新的信息處理理論。它所特有的信息處理機(jī)制,與傳統(tǒng)的數(shù)字計(jì)算機(jī)有著本質(zhì)的不同。ANN網(wǎng)絡(luò)由大量模擬人腦的神經(jīng)元互連組成,無(wú)獨(dú)立的用于存儲(chǔ)的信息空間,更沒(méi)有單一執(zhí)行指令的CPU,每個(gè)神經(jīng)元的結(jié)構(gòu)都十分簡(jiǎn)單,信息處理與存儲(chǔ)合二為一,通過(guò)調(diào)整連接權(quán)值,由整體狀態(tài)來(lái)給出響應(yīng)信息。ANN是一種非線性映射系統(tǒng),具有強(qiáng)大的模式識(shí)別能力,可以對(duì)任意復(fù)雜狀態(tài)或過(guò)程進(jìn)行分類(lèi)和識(shí)別。
3.ANN在電力系統(tǒng)中的應(yīng)用
目前,ANN已用于負(fù)荷預(yù)測(cè),警報(bào)處理,控制等方面,它已經(jīng)從研究階段轉(zhuǎn)為實(shí)際應(yīng)用。
3.1智能控制
在電力系統(tǒng)中利用ANN實(shí)現(xiàn)智能控制,就是利用其估計(jì)和聯(lián)想的能力,實(shí)現(xiàn)系統(tǒng)狀態(tài)與參數(shù)的識(shí)別和控制,這已在多種控制結(jié)構(gòu)中如自校正控制、模型跟蹤控制、預(yù)測(cè)控制等控制中得到應(yīng)用。Y M Park等采用2個(gè)BP網(wǎng)絡(luò)構(gòu)成電力系統(tǒng)穩(wěn)定器(PSS)的模型,其中1個(gè)在系統(tǒng)功率擺動(dòng)中估計(jì)發(fā)電機(jī)的輸出功率。另一個(gè)用于判斷并給出控制決策。范澍等應(yīng)用4層BP網(wǎng)絡(luò)對(duì)發(fā)電機(jī)運(yùn)行方式和系統(tǒng)干擾進(jìn)行精確在線識(shí)別,并以此為基礎(chǔ)設(shè)計(jì)了一種最優(yōu)勵(lì)磁調(diào)節(jié)器模型,計(jì)算與仿真結(jié)果表明,這種調(diào)節(jié)器比固定點(diǎn)線性勵(lì)磁方式具有更強(qiáng)的穩(wěn)定性能和動(dòng)態(tài)品質(zhì),在系統(tǒng)運(yùn)行方式較大的變化范圍內(nèi)都能提供很好的控制性能,在大小擾動(dòng)下均表現(xiàn)出很好的阻尼特性和良好的電壓性能。袁宇春等提出了用ANN進(jìn)行電力系統(tǒng)的實(shí)時(shí)切負(fù)荷控制,選用的是多輸入單輸出的單層前向神經(jīng)網(wǎng)絡(luò),選取185個(gè)樣例進(jìn)行網(wǎng)絡(luò)訓(xùn)練后,在西北電網(wǎng)模擬某線路故障顯示了較好的控制特性。
3.2優(yōu)化計(jì)算
由于ANN能夠建立任意非線性的模型,并適于解決時(shí)間序列預(yù)報(bào)問(wèn)題,尤其是隨機(jī)平穩(wěn)過(guò)程的預(yù)報(bào),因此電力系統(tǒng)短期負(fù)荷預(yù)報(bào)是其應(yīng)用研究的一個(gè)重要方面,歐建平等以3個(gè)ANN構(gòu)成負(fù)荷與天氣變化量的周、日、時(shí)3個(gè)預(yù)報(bào)分析系統(tǒng),氣象參數(shù)和預(yù)測(cè)周、日、時(shí)前某段歷史負(fù)荷參數(shù)作為網(wǎng)絡(luò)的訓(xùn)練輸入?yún)?shù),各自產(chǎn)生獨(dú)立的預(yù)報(bào),再綜合產(chǎn)生最終的預(yù)報(bào)。姜齊榮等則用ANN建立發(fā)電機(jī)、勵(lì)磁系統(tǒng)和調(diào)速系統(tǒng)的詳細(xì)模型,把這三部分的模型連接起來(lái)并與電力系統(tǒng)網(wǎng)絡(luò)接口,形成一個(gè)ANN模型與電力系統(tǒng)網(wǎng)絡(luò)混聯(lián)的系統(tǒng),這種混聯(lián)系統(tǒng)的暫態(tài)穩(wěn)定計(jì)算結(jié)果與用常規(guī)機(jī)理模型的計(jì)算結(jié)果幾乎相同。為實(shí)現(xiàn)ANN并行、快速、在線處理電力系統(tǒng)實(shí)時(shí)計(jì)算提供新途徑。
3.3故障診斷
要保證電力系統(tǒng)的安全運(yùn)行和實(shí)現(xiàn)電力設(shè)備由定期檢修轉(zhuǎn)變?yōu)闋顟B(tài)檢修,如何準(zhǔn)確地進(jìn)行電力設(shè)備的故障診斷,一直是受關(guān)注的焦點(diǎn)之一。而這類(lèi)故障的征兆錯(cuò)綜復(fù)雜,往往呈現(xiàn)出非線性和不確定性,很難用某一確定的邏輯或算法進(jìn)行識(shí)別。而這種識(shí)別恰好是ANN所擅長(zhǎng)的。ANN在電機(jī)狀態(tài)監(jiān)測(cè)與診斷上也獲得了成功的應(yīng)用。何雨儐等提出一種聯(lián)想記憶神經(jīng)網(wǎng)絡(luò),取零序電流、定子不對(duì)稱電流及其變化率等電測(cè)參數(shù)為故障征兆,通過(guò)網(wǎng)絡(luò)的聯(lián)想能力快速準(zhǔn)確地進(jìn)行電機(jī)早期故障的雙向診斷,能有效地處理各種模式并存的故障診斷問(wèn)題。并且容錯(cuò)性好,能有效抑制現(xiàn)場(chǎng)噪聲干擾,使診斷系統(tǒng)具有良好的魯棒性。電網(wǎng)故障診斷中,用全局逼近的BP算法完成故障的快速定位,便于控制人員及時(shí)處理故障。
3.4繼電保護(hù)
繼電保護(hù)是電力系統(tǒng)安全運(yùn)行的重要保障之一,隨著電力系統(tǒng)的發(fā)展,常規(guī)的繼電保護(hù)技術(shù)已經(jīng)不能完全適應(yīng)需要。黨德玉提到一種基于小波變換和ANN的保護(hù)模型,其輸入特征量經(jīng)過(guò)小波變換,也選用了3個(gè)三層的BP網(wǎng)絡(luò)用于判斷故障種類(lèi),故障性質(zhì)和故障定位。故障種類(lèi)和故障性質(zhì)的判斷正確率可達(dá)100%,對(duì)線性短路故障的位置判斷正確率為94%,非線性故障(如經(jīng)非線性過(guò)渡電阻接地)的判斷正確率為96%。張海峰等使用3層前向網(wǎng)絡(luò)構(gòu)成變壓器保護(hù)模型,取變壓器2端的電流和其他故障特征量進(jìn)行綜合判斷。經(jīng)大量樣本訓(xùn)練后,可準(zhǔn)確判斷變壓器的勵(lì)磁涌流和各種故障。張津春等介紹了ANN構(gòu)成的自適應(yīng)自動(dòng)重合閘模型,能較好地判別各種情況下瞬時(shí)性故障與永久性故障。
為了解決用電路方法進(jìn)行巨量神經(jīng)元連接無(wú)法實(shí)現(xiàn)的問(wèn)題,采用光電集成技術(shù)制作的光神經(jīng)元、光互連器件、光神經(jīng)芯片也已出現(xiàn),并成功地應(yīng)用于模式識(shí)別、聯(lián)想記憶等方面。此外,ANN在輸電容量限制條件下經(jīng)濟(jì)調(diào)度、基于同步相量測(cè)量的電壓安全監(jiān)控、電廠控制、HVDC的電流控制器等方面也得到了研究與應(yīng)用。
4.ANN在電力系統(tǒng)中的發(fā)展趨勢(shì)
ANN在電力系統(tǒng)中應(yīng)用已做了大量的研究,一但是總體上來(lái)說(shuō)仍停留在理論分析和仿真實(shí)驗(yàn)上,因此必須加強(qiáng)理論研究與實(shí)際工程應(yīng)用的結(jié)合,例如可在狀態(tài)檢修、在線監(jiān)測(cè)等電力系統(tǒng)有較迫切需求的領(lǐng)域中,尋找實(shí)際應(yīng)用的突破口。近幾年興起的小波變換方法,由于其克服了傅里葉變換不能對(duì)信號(hào)進(jìn)行局部化分析的缺點(diǎn)。同時(shí)具有很強(qiáng)的特征值提取功能,特別適用于故障信號(hào)的分析,經(jīng)小波變換處理后的信號(hào)作為神經(jīng)網(wǎng)絡(luò)的輸入,可使網(wǎng)絡(luò)大大提高抗干擾性并加速收斂。所以小波分析與ANN的結(jié)合將在電力系統(tǒng)控制、保護(hù)、故障診斷等方而發(fā)揮更大的作用。ANN與專(zhuān)家系統(tǒng)和模糊控制的綜合對(duì)電力系統(tǒng)這樣一個(gè)復(fù)雜的動(dòng)態(tài)大系統(tǒng)來(lái)說(shuō),應(yīng)用潛力更大。ANN的形象思維能力,專(zhuān)家系統(tǒng)的邏輯思維能力和模糊邏輯這三者的結(jié)合,可體現(xiàn)出各自的優(yōu)勢(shì),互相彌補(bǔ)各自的不足。
人工神經(jīng)網(wǎng)絡(luò)特有的非線性適應(yīng)性信息處理能力,克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué),如模式、語(yǔ)音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷,使之在神經(jīng)專(zhuān)家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合,將推動(dòng)人丁智能和信息處理技術(shù)不斷發(fā)展。近年來(lái),人工神經(jīng)網(wǎng)絡(luò)正向模擬人類(lèi)認(rèn)知的道路上更加深入發(fā)展,與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合,形成計(jì)算智能,成為人工智能的一個(gè)重要方向,將在實(shí)際應(yīng)用中得到發(fā)展。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究,為人工神經(jīng)網(wǎng)絡(luò)的理論研究開(kāi)辟了新的途徑。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快,已有產(chǎn)品進(jìn)入市場(chǎng)。光電結(jié)合的神經(jīng)計(jì)算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。
5.總結(jié)
本文對(duì)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與特點(diǎn)進(jìn)行了分析,詳細(xì)論述了ANN的優(yōu)點(diǎn)及其在電力系統(tǒng)中的應(yīng)用,并對(duì)其發(fā)展前景做了展望。但是作為一個(gè)新興的學(xué)科ANN還存在以下問(wèn)題:受到腦科學(xué)研究的限制,由于生理實(shí)驗(yàn)的困難性,因此目前人類(lèi)對(duì)思維和記憶機(jī)制的認(rèn)識(shí)還很膚淺,還有很多問(wèn)題需要解決;還沒(méi)有完整成熟的理論體系;還帶有濃厚的策略和經(jīng)驗(yàn)色彩;與傳統(tǒng)技術(shù)的接口不成熟。在電力系統(tǒng)工業(yè)中研制開(kāi)發(fā)通用型價(jià)格低廉的ANN芯片是實(shí)現(xiàn)ANNT.程應(yīng)用的重要方面。可以預(yù)期,隨著更多的ANN芯片以及神經(jīng)計(jì)算機(jī)的出現(xiàn),必將給ANN及其在電力系統(tǒng)中的應(yīng)用創(chuàng)造更好的硬件環(huán)境。

責(zé)任編輯:電力交易小郭
-
現(xiàn)貨模式下谷電用戶價(jià)值再評(píng)估
2020-10-10電力現(xiàn)貨市場(chǎng),電力交易,電力用戶 -
PPT | 高校綜合能源服務(wù)有哪些解決方案?
2020-10-09綜合能源服務(wù),清潔供熱,多能互補(bǔ) -
深度文章 | “十三五”以來(lái)電力消費(fèi)增長(zhǎng)原因分析及中長(zhǎng)期展望
2020-09-27電力需求,用電量,全社會(huì)用電量
-
PPT | 高校綜合能源服務(wù)有哪些解決方案?
2020-10-09綜合能源服務(wù),清潔供熱,多能互補(bǔ) -
深度文章 | “十三五”以來(lái)電力消費(fèi)增長(zhǎng)原因分析及中長(zhǎng)期展望
2020-09-27電力需求,用電量,全社會(huì)用電量 -
我國(guó)電力改革涉及的電價(jià)問(wèn)題
-
電化學(xué)儲(chǔ)能應(yīng)用現(xiàn)狀及對(duì)策研究
2019-08-14電化學(xué)儲(chǔ)能應(yīng)用 -
《能源監(jiān)測(cè)與評(píng)價(jià)》——能源系統(tǒng)工程之預(yù)測(cè)和規(guī)劃
-
《能源監(jiān)測(cè)與評(píng)價(jià)》——能源系統(tǒng)工程之基本方法
-
貴州職稱論文發(fā)表選擇泛亞,論文發(fā)表有保障
2019-02-20貴州職稱論文發(fā)表 -
《電力設(shè)備管理》雜志首屆全國(guó)電力工業(yè) 特約專(zhuān)家征文
2019-01-05電力設(shè)備管理雜志 -
國(guó)內(nèi)首座蜂窩型集束煤倉(cāng)管理創(chuàng)新與實(shí)踐
-
人力資源和社會(huì)保障部:電線電纜制造工國(guó)家職業(yè)技能標(biāo)準(zhǔn)
-
人力資源和社會(huì)保障部:變壓器互感器制造工國(guó)家職業(yè)技能標(biāo)準(zhǔn)
-
《低壓微電網(wǎng)并網(wǎng)一體化裝置技術(shù)規(guī)范》T/CEC 150
2019-01-02低壓微電網(wǎng)技術(shù)規(guī)范