基于人工神經(jīng)網(wǎng)絡的電力變壓器勵磁涌流判別陳金莉，于飛，劉喜梅（青島科技大學信息與控制工程學院，山東青島266042）的電力變壓器勵磁涌流及故障電流進行了數(shù)字仿真比較了兩者在物理特性上的區(qū)別。

　　同時利用Matlab中的神經(jīng)網(wǎng)絡工具箱，建立了徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡模型，對勵磁涌流和短路電流的樣本進行訓練，并對訓練好的神經(jīng)網(wǎng)絡進行測試。結(jié)果表明：RBF神經(jīng)網(wǎng)絡可以正確地區(qū)分勵磁涌流和短路電流。

　　電流差動保護作為變壓器主保護有著悠久的歷史。但是由于變壓器內(nèi)部磁路的聯(lián)系，變壓器勵磁電流成了差動保護不平衡電流的一種來源。

　　大型電力變壓器正常運行時的勵磁電流通常低于額定電流的1%，適當設定差動保護的動作值仍可準確判斷變壓器的內(nèi)部故障。電力變壓器運行條件復雜，特別是當空載變壓器突然合閘時，或者變壓器外部短路被切除變壓器端電壓突然恢復時，暫態(tài)勵磁電流（即勵磁涌流）的大小有時可與短路電流相比擬。變壓器差動保護的主要矛盾一直集中在準確鑒別勵磁涌流和內(nèi)部故障電流上?；陔娏髁康牟顒颖Ｗo一般都采用涌流識別方法，在涌流時閉鎖差動出口來保證可靠性。這種方法是有效的，但是從變壓器勵磁涌流鑒別方法的現(xiàn)狀看出，由于勵磁涌流的復雜性，現(xiàn)有的識別方法都不是非常理想。

　　RBF網(wǎng)絡模型結(jié)構(gòu)RBF網(wǎng)絡不存在局部極小的問題，它不僅具有全局逼近性能，而且具有比較佳逼近性能，同時其傳遞函數(shù)的選取。選用RBF網(wǎng)絡中比較常用的高斯函數(shù)作為隱層傳遞函數(shù)，以線性傳遞函數(shù)作為輸出層傳遞函數(shù)。

　　網(wǎng)絡輸入輸出節(jié)點數(shù)的確定。對于變壓器勵磁涌流波形和內(nèi)部故障波形展開成傅立葉級數(shù)后，五次諧波以上的分量很小，一般可以略去。剩下的直流分量及1~5次諧波分量稱為特征量。因為不同樣本的模值大小差別較大，從傅立葉級數(shù)得出的特征量不能直接用于網(wǎng)絡的輸入。首先要對特征量進行歸一化處理。

　　其中Fi為基波分量。

　　將特征量樣本F進行歸一化處理，去除基波分量Pi后，神經(jīng)網(wǎng)絡的輸入樣本P共有5項，即因此神經(jīng)網(wǎng)絡共有5個輸入節(jié)點。由于研究的目的是要識別是勵磁涌流還是故障電流，所以只有一個輸出節(jié)點。在輸入為涌流樣本時，輸出結(jié)果為1；輸入故障電流樣本時，輸出結(jié)果為0.隱層節(jié)點數(shù)的確定。在Matlab環(huán)境下進行仿真試驗時，RBF網(wǎng)絡的隱層節(jié)點數(shù)可以在訓練中自動獲得比較佳值，不必事先給定。這樣減小了人的主觀性，使訓練結(jié)果更接近比較優(yōu)值。

　　在Matlab環(huán)境下的仿真試驗中，經(jīng)過12個訓練周期達到了誤差平方和小于0.001的訓練要求。訓練過程及結(jié)果見。

　　對訓練好的RBF神經(jīng)網(wǎng)絡必須進行測試，考察網(wǎng)絡的性能。將從仿真模型中得到的沒有用于網(wǎng)絡訓練的樣本作為檢驗網(wǎng)絡容錯能力、對變壓器故障判斷能力的測試樣本。和分別為變壓器發(fā)生勵磁涌流和發(fā)生內(nèi)部故障時測試樣本的輸出結(jié)果。可以看出，訓練后RBF神經(jīng)網(wǎng)絡不僅能快速準確的判斷出變壓器的勵磁涌流狀態(tài)，閉鎖差動保護，保證保護不誤動，同時還可以快速識別變壓器內(nèi)部故障狀態(tài)，保證差動保護不會拒動，從而實現(xiàn)了變壓器差動保護準確動作的目的。

　　3結(jié)論神經(jīng)網(wǎng)絡用于電力變壓器勵磁涌流的判別，其優(yōu)點是發(fā)揮了神經(jīng)網(wǎng)絡在非線性模式識別上的優(yōu)勢。訓練成功的神經(jīng)網(wǎng)絡在判別變壓器空載合閘勵磁涌流和內(nèi)部故障電流時，表現(xiàn)出了極大的優(yōu)越性，同時神經(jīng)網(wǎng)絡具有較強的泛化能力。仿真結(jié)果表明，RBF神經(jīng)網(wǎng)絡不僅訓練速度快，還可以實現(xiàn)零誤差逼近，對勵磁涌流的準確判別有較大的幫助作用。