同步发电机失磁检测中的动量自适应算法

1/6同步发电机失磁检测中的动量自适应算法摘要把用MATLAB软件的同步发电机故障仿真数据进行快速傅立叶变换后作为失磁检测的特征向量，通过人工神经网络模型实现发电机的失磁检测，用动量自适应算法对网络进行训练，收敛较快，避免了由于学习步长过大和过小造成的误差振荡。关键词傅立叶变换；神经网络；失磁；故障检测1引言同步发电机失磁将对电力系统和发电机本身造成严重损害，特别是水轮发电机不允许失磁异步运行。传统的失磁保护方式，由于失磁继电器按静稳定阻抗圆整定或按异步阻抗圆整定时，在各种非正常运行状态下都可能误动，因此采用的闭锁方式和出口方式较多，对现场运行不利；人工神经网络法利用自身的自适应性和自学习性，通过训练将会对输入向量进行分析与推理，进而实现计算、记忆、联想和识别等功能，能准确的区分出正常、失磁、机端或变压器高压侧的短路状态和振荡情况，而且模型结构简单，克服了传统保护的缺点。未经过改进的BP算法在训练神经网络时，往往发生误差长时间停留在某一数值或者围绕某一数值振荡，有时甚至造成网络发散。本文对算法进行了2/6改进，引进了动量项并自适应调整学习率，加快了网络的收敛速度。2神经网络拓扑结构及训练算法21神经网络结构及工作特性BP神经网络的拓补结构如图1所示。图中IJ为输入层第I个神经元与隐层第J个神经元之间的连接权值；JK为隐层第J个神经元与输出层第K个神经元之间的连接权值；XPI为输入层第I个神经元的输入；CPK为输出层第K个神经元的输出；I1，2，N；J1，2，L；K1，2，M；N，L，M分别为输入层、隐含层和输出层的神经元数量；P1，2，P，P为样本总数。神经网络的工作特性为其中J为隐含层第J个神经元的阈值；K为输出层第K个神经元的阈值；SPJ，BPJ，TPK分别为输入层神经元的输出，隐含层神经元的输出和输出层神经元的输出。令期望输出信号，也就是教师信号为YPK，则误差函数和权值调节公式如下所示式中，Z为变化中的学习率，也称为步长。3/622动量自适应学习算法上面的权值调节公式只是按梯度负方向进行修正，而没有考虑到以前积累的经验，即以前时刻的梯度方向，从而常常使学习过程发生振荡，收敛缓慢。加入动量项实质上相当于阻尼项，它减小了学习过程的振荡趋势。自适应学习就是使学习率不断的调整。当学习率选的太小时，收敛太慢；当学习率选的大时，修正过头而导致振荡甚至发散。自适应学习算法克服了以上缺点。动量自适应学习算法的公式如下上式中A为动量因子，后面与其相乘项为动量项；M和N为常数，0N1M；为误差；O为输入。3样本的选取与神经网络的训练31训练样本的选取用神经网络模型检测同步发电机运行失磁状态，要求准确的区分开机端短路与变压器高压侧短路以及振荡的情况。首先要选取出能表征各种状态特征的一组特征向量，特征向量与对应的期望输出便组成了神经网络模型的训练样本，其中期望输出是我们按要求规定好的。首先对同步发电机的各种运行情况进行仿真，然后把电气量的数据变换到频域，在频域中抽取数据组成特征向量，作为神经网络的输入，各种情况下的输入与表1中对应的理想输出就4/6组成了神经网络训练的样本，最后选取电磁功率、转差、转角偏差和励磁电压四个量的前四个频点的数据共16路信号作为特征向量。图2示出了4种电气量在失磁时的幅频特性，从图中可以看出前四路信号完全能够反映失磁故障时的电气量的特征。32神经网络的训练与测试建立一个具有16个输入，6个输出，两个计算层的神经网络模型，作为神经网络失磁故障检测的原理结构图。第一个计算层的神经元激励函数为LOGSIG（对数形传递函数），由10个神经元组成；第二个计算层由5个神经元组成，激励函数也是LOGSIG。用特征向量和期望输出（即表1的理想输出）组成的样本对神经网络进行训练，训练过程中采用前面所讲的动量自适应学习算法，网络的误差收敛曲线与学习率调整曲线如图3所示。从曲线中可以看出误差收敛曲线平滑下降，收敛的过程中并未发生振荡现象，反映了动量自适应算法的优越性。网络经过6889次学习，满足误差精度要求。用样本的输入对神经网络进行检测，实际输出与期望输出的对照表如表1所示。从表1中看出用人工神经网络方法可以准确的区分出发电机的各种运行状态，因而可以有效的进行发电机的失磁检测。5/64结束语应用动量自适应算法训练的神经网络进行同步发电机失磁故障检测，可以准备的识别失磁、短路和振荡的情况。算法的改进使网络在学习过程中误差收敛快，不会发生振荡现象，比起未改进的BP算法显示出很大的优越性。需要指出，神经网络方法的根本优点就在于它直接利用实际样本来求解问题，从而免去对模型的依赖，不受模型本身的近似性影响。本文的原样本来自仿真模型的输出而不是实际样本，所以在实际应用中还会有一定的误差。人工神经网络由于自身的优点在电力系统中有着广阔的应用前景，随着理论的逐渐成熟和算法的不断改善，将在电力系统中发挥更重要的作用。参考文献1SHARAFAM，LIETANNBASEDPATTERMCLASSIFICATIONOFSYNCHRONOUSGENERATORSTABILITYANDLOSSOFEXCITATIONIEEETRANSACTIONSONENERGYC