[发明专利]基于人工智能的AT全并联供电网络的广域保护系统有效
申请号: | 202010193509.8 | 申请日: | 2020-03-18 |
公开(公告)号: | CN111541227B | 公开(公告)日: | 2022-04-26 |
发明(设计)人: | 尹建斌;闫雪松;王洪友;邢志杰 | 申请(专利权)人: | 天津凯发电气股份有限公司 |
主分类号: | H02H7/26 | 分类号: | H02H7/26;G06Q50/06;G06Q10/06;G06N3/04 |
代理公司: | 天津企兴智财知识产权代理有限公司 12226 | 代理人: | 陈雅洁 |
地址: | 300384 天津市滨*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人工智能 at 并联 供电 网络 广域 保护 系统 | ||
1.基于人工智能的AT全并联供电网络的广域保护系统,其特征在于,包括:
S1、在AT全并联供电网络供电区间内设置广域保护装置,供电区间内的每个所均设有一台广域保护装置,各个广域保护装置相互连接;
S2、将供电区间内的各所分为一个主所和数个子所,将子所广域保护装置的数据实时上传至主所广域保护装置中;
S3、在主所的广域保护装置内嵌入智能学习网络,该智能学习网络由故障分析网络和学习网络两部分组成;
S4、当故障发生时,主所广域保护装置根据故障时标,将故障时刻子所内的数据带入故障分析网络,故障分析网络对故障位置进行测算;
S5、故障分析网络测算完成后,主所广域保护装置根据测算结果闭锁非故障行线路的跳闸,报出故障位置;
S6、将巡检的实际故障位置信息输入主所广域保护装置,对学习网络进行训练,训练后的学习网络对故障分析网络故障定位进行指导;
所述步骤S4中故障分析网络具体工作方式如下:
S41、牵引变电所内广域保护装置读取到上行T线电流、上行F线电流、下行T线电流、下行F线电流、吸上电流分别为:读取到上行T线电压、上行F线电压、下行T线电压、下行F线电压分别为:AT所中广域保护装置读取相同的数据,各参量名称依次为分区所中广域保护装置读取相同的数据,各参量名称依次为
S42、对供电线路进行判断,若存在则故障类型判断为TR/FR故障,否则为TF故障;
S43、判为TF故障时,继续判断电流较大所内的电流方向,若由上行流向下行则为下行故障,若由下行流向上行则为上行故障;
S44、判为TR/FR故障时,若则判为下行TR故障;
S45、在故障类型与故障行均确定的情况下,故障分析网络采用上下行电流比进行故障定位,故障测距公式如下:
其中,L1为上行供电臂长度,L2为下行供电臂长度,L为故障距离,Lc:修正距离;
所述步骤S1中,供电区间是由牵引变电所、AT所、分区所、电铁馈线、供电线、接触网组成的一段正常供电范围;每一广域保护装置均与对应所内的卫星钟相连,各广域保护装置之间通过故标通道进行连接。
2.根据权利要求1所述的基于人工智能的AT全并联供电网络的广域保护系统,其特征在于:所述步骤S2中,所述牵引变电所为主所,所述AT所和分区所为子所,主所广域保护装置通过故标通道每间隔10ms接收一次子所广域保护装置的实时数据,实现对子所的状态的监控。
3.根据权利要求1所述的基于人工智能的AT全并联供电网络的广域保护系统,其特征在于,在步骤S3学习网络的具体工作方式如下;
S46、学习网络基于人工神经网络搭建,学习网络由输入层、隐含层、输出层三个部分组成;
输入层:将选取广域保护装置采集的相关测量信息作为输入,如下式所示:
隐含层:隐含层数目为两层,每层神经个数为27个;隐含层每层的激励函数为logsig;学习速率为0.1;最大训练次数为10000次;训练所达到的误差目标为:1e-30;性能函数采用sumsqr函数;
输出层:输出为故障类型Y、故障行G、故障距离D三个量作为输出;
S47、定义学习网络的工作原理:[SS AT SP]T→[Y G D]T,即将输入层与输出层建立映射关系;
S48、调节人工神经网络的权值矩阵与阈值矩阵,减小学习网络的输出误差值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津凯发电气股份有限公司,未经天津凯发电气股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010193509.8/1.html,转载请声明来源钻瓜专利网。