本发明属于智能开关电器领域，涉及一种基于自适应神经模糊推理系统的特高压变压器励磁涌流预测算法。
背景技术：
在合闸过程中，由随机合闸产生的磁通和变压器的剩磁不相等会使铁芯饱和，变压器中会出现幅值较大的励磁涌流，铁芯饱和的程度越高则励磁涌流的幅值越大。为避免引起继电保护装置的误触发、电力系统电压不稳定等不利影响，采用选相关合技术抑制励磁涌流。
选相投切技术通过控制断路器在目标关合相位合闸，使合闸产生的预感应磁通与剩磁量相等，则铁芯中的磁通不会突变，可让变压器不受冲击的进入稳态过程。最佳相位的确定是选相投切技术的核心问题之一，而影响最佳合闸相位的主要因素包括断路器的预击穿和机械分散性，因此将相控技术应用于特高压系统中时需要考虑断路器性能参数对涌流的影响，解决相控技术与变压器涌流的定量映射关系。
对于相控断路器的制造厂商和用户，在设备制造和使用之前评估控制效果是很有意义的。为了提高制造效率、降低能耗、提高产品质量，制造商需要根据不同用户对涌流的要求及时调整开关性能参数。用户也可以在已知开关特性参数的前提下，预测评估相控断路器的现场效果，进而选择合适的产品。
技术实现要素：
本发明要解决的技术问题是针对特高压变压器选相合闸技术与变压器涌流的关系建立特高压变压器励磁涌流模型，以实现断路器性能参数、剩磁与变压器励磁涌流的定量映射关系。
由于无法直接得到变压器合闸励磁涌流i与关合系数k、机械分散性3σ断路器性能参数及变压器剩磁φs之间的解析表达式，本发明提出一种可以表征以上关系的数学模型——自适应神经模糊推理系统(adaptive-network-basedfuzzyinferencesystem，anfis)。基于anfis建立一个三输入双规则sugeno模糊模型，通过网格法生成模糊系统的规则和隶属度函数。采用matlab软件中的mathworks和anfisedit完成所有模型的建立，以断路器关合系数k、机械分散性3σ及变压器剩磁φs作为输入参数，以励磁涌流i作为输出参数，实现断路器性能参数、剩磁与励磁涌流的定量映射关系。
本发明的技术方案:
一种基于自适应神经模糊推理系统的特高压变压器励磁涌流预测算法，步骤如下：
第一步：特高压变压器涌流模型的建立
第1层：将三个输入变量模糊化，三个输入变量分别为关合系数k、机械分散性3σ及变压器剩磁φs，此层的输入为实际负荷的样本数据集，输出为各输入变量的隶属度，输出形式为：
其中：o11表示第1层第1个节点的输出；
o12表示第1层第2个节点的输出；
o13表示第1层第3个节点的输出；
o14表示第1层第4个节点的输出；
o15表示第1层第5个节点的输出；
o16表示第1层第6个节点的输出；
函数μ为满足条件的隶属度函数，隶属度函数采用高斯(gauss)函数，其表达式为：
其中：模糊隶属度函数{ai，bi，ci，di，ei，gi}为第i层节点的参数集；ai，bi，ci，di，ei，gi称为前提参数，
第2层：实现第1层各输出的乘积运算，第2层第i个节点的规则强度为ωi，第2层的第i个节点输出为：
第3层：对第2层第1个节点的规则强度ω1和第2层第2个节点的规则强度ω2进行归一化处理，第三层的第i个节点的输出o3i为：
第4层：第4层的每个节点i均为具有节点函数的自适应节点，其节点函数fi为线性函数，fi＝pix+qiy+siz+ti，第4层的第i个节点输出o4i为：
其中：模糊参数pi、qi、si和ti为结论参数，即takagi-sugeno线性方程参数，通过anfis的最小二乘估计算法确定。
第5层：该层为一个带有∑的固定节点，其功能是计算第4层的第i个节点输出o4i的总和，以作为系统的总输出o5，即励磁涌流i：
第二步：通过混合算法确定提参数ai，bi，ci，di，ei，gi和结论参数pi，qi，si，ti；具体步骤如下：
1)将三个输入变量的经验值代入特高压变压器涌流模型，在每一次迭代中，先固定前提参数，第1层的输出继续沿网络正向传递，直至第4层，然后采用最小二乘估计算法对结论参数进行计算调整，得到满足要求值的结论参数，第4层的输出继续沿网络正向传播到达总输出o5；
2)将已知输出经验值与得到的总输出o5相减得到误差值，误差值将沿网络反向传播，固定结论参数，采用梯度下降法调节第l层的前提参数；
3)重复前两步，直至误差值满足要求值，将得到的前提参数ai，bi，ci，di，ei，gi和结论参数pi，qi，si，ti代入公式(6)中，得到完整的特高压变压器涌流模型；
4)关合系数k和机械分散性3σ代入完整的特高压变压器涌流模型中，计算出总输出o5，即励磁涌流i。
第二步确定各参数后，对断路器制造商来说，如果需要根据不同用户对励磁涌流的要求调整开关性能参数，则需要继续进行第三步。
第三步：不同变压器励磁涌流要求下选相断路器的性能参数要求
根据建立的完整的特高压变压器涌流模型，对变压器不同励磁涌流要求下的断路器的性能参数进行分析。
1)设剩磁为一定值，在某一区间内将断路器的关合系数k等分为n份，断路器的机械分散性3σ等分为m份，得到n×m的输入矩阵。
2)将该矩阵作为输入，基于完整的特高压变压器涌流模型进行反向计算，得到当变压器励磁涌流i变化时对应的断路器关合系数k和机械分散性3σ。
本发明的有益效果是所提出的模型系统提供大量的并行分布式处理，泛化属性，特别是学习属性，并使用反向传播算法来优化网络。anfis架构不仅可以使用语言信息，还可以使用数字数据来适应自身，从而实现更好的特高压变压器选相关合励磁涌流预测性能，并且具有计算时间短的特点。
附图说明
图1是三输入双规则sugeno模糊模型的anfis结构。
图2是变压器励磁涌流与断路器关合系数、机械分散性的关系。
具体实施方案
以下结合技术方案和附图，具体说明本专利的实施过程。
如附图1和附图2所示，一种基于自适应神经模糊推理系统的特高压变压器励磁涌流预测算法，步骤如下：
第一步：特高压变压器涌流模型的建立
第1层：将三个输入变量模糊化，三个输入变量分别为关合系数k、机械分散性3σ及变压器剩磁φs，此层的输入为实际负荷的样本数据集，输出为各输入变量的隶属度，输出形式为：
其中：o11表示第1层第1个节点的输出；o12表示第1层第2个节点的输出；o13表示第1层第3个节点的输出；o14表示第1层第4个节点的输出；o15表示第1层第5个节点的输出；o16表示第1层第6个节点的输出；
函数μ为满足条件的隶属度函数，隶属度函数采用高斯(gauss)函数，其表达式为：
其中：模糊隶属度函数{ai，bi，ci，di，ei，gi}为第i层节点的参数集；ai，bi，ci，di，ei，gi称为前提参数，
第2层：实现第1层各输出的乘积运算，第2层第i个节点的规则强度为ωi，第2层的第i个节点输出为：
第3层：对第2层第1个节点的规则强度ω1和第2层第2个节点的规则强度ω2进行归一化处理，第三层的第i个节点的输出o3i为：
第4层：第4层的每个节点i均为具有节点函数的自适应节点，其节点函数fi为线性函数，fi＝pix+qiy+siz+ti，第4层的第i个节点输出o4i为：
其中：模糊参数pi、qi、si和ti为结论参数，即takagi-sugeno线性方程参数，通过anfis的最小二乘估计算法确定。
第5层：该层为一个带有∑的固定节点，其功能是计算第4层的第i个节点输出o4i的总和，以作为系统的总输出o5，即励磁涌流i：
第二步：通过混合算法确定前提参数ai，bi，ci，di，ei，gi和结论参数pi，qi，si，ti；具体步骤如下：
1)将三个输入变量的经验值代入特高压变压器涌流模型，在每一次迭代中，先固定前提参数，第1层的输出继续沿网络正向传递，直至第4层，然后采用最小二乘估计算法对结论参数进行计算调整，得到满足要求值的结论参数，第4层的输出继续沿网络正向传播到达总输出o5；
2)将已知输出经验值与得到的总输出o5相减得到误差值，误差值将沿网络反向传播，固定结论参数，采用梯度下降法调节第l层的前提参数；
3)重复前两步，直至误差值满足要求值，将得到的前提参数ai，bi，ci，di，ei，gi和结论参数pi，qi，si，ti代入公式(6)中，得到完整的特高压变压器涌流模型；
4)关合系数k和机械分散性3σ代入完整的特高压变压器涌流模型中，计算出总输出o5，即励磁涌流i。
对断路器制造商来说，如果需要根据不同用户对励磁涌流的要求调整开关性能参数，则需要继续进行第三步。
第三步：不同变压器励磁涌流要求下选相断路器的性能参数要求
根据建立的完整的特高压变压器涌流模型，对变压器不同励磁涌流要求下的断路器的性能参数进行分析。
1)设剩磁为一定值，在某一区间内将断路器的关合系数k等分为n份，断路器的机械分散性3σ等分为m份，得到n×m的输入矩阵。
2)将该矩阵作为输入，基于完整的特高压变压器涌流模型进行反向计算，得到当变压器励磁涌流i变化时对应的断路器关合系数k和机械分散性3σ。
以1000kv特高压变压器为例，利用建立的anfis模型分析变压器不同励磁涌流要求下的断路器的性能参数，得到如附图2所示的结果，得到如下结论：
(1)关合系数k最大、机械分散性3σ最小的时候，变压器励磁涌流降到最低；
(2)当关合系数k上升到0.7的时候，励磁涌流的下降趋势减缓，这个值可以看作关合系数k的最小值。