一种基于神经网络的柔性直流配电网智能保护系统的制作方法

本发明一种基于神经网络的柔性直流配电网智能保护系统，涉及电力系统中的直流系统故障检测技术与保护措施领域。

背景技术：

柔性直流配电网系统故障一直是电力系统中不容忽视的问题，其中，支路接地和两极间短路是直流系统中较为常见的故障，若不能及时找到并将其排除，在系统出现多点接地时，将造成直流电源短路或保护设备误动作，引起严重后果。

目前，大多数直流系统故障保护装置或系统是建立在单片机的基础上实现的，但处于发展初期的柔性直流配电网，在柔性直流配电网系统保护方法而言还没有性能好、可靠性高的保护装置。现今，许多直流系统中仍使用基于交流系统设计制造的断路器来实现保护功能。不同于交流系统，直流电力系统中没有电流过零点，因此，在直流电力系统中采用传统的交流断路器分断直流电弧要困难很多，需要附加电路人工产生电流过零点来分断故障。为解决直流系统的保护问题，各种直流限流器、断路器受到了广泛的研究。当前直流配电线路的接地故障监测主要采用离线方式，即必须在系统断电情况下检测，且需要额外使用较为复杂庞大的仪器，如：在高阻下使用绝缘电阻检测仪或是在低阻下采用接地电阻检测仪进行直接测量，才能检测到线路的接地电阻。这种离线方式相较于成熟的交流输配电网中的继电保护的速动性、选择性、灵敏性、可靠性等优点，效果显得很不理想。

因此，研发一种能够有效监测直流配电线路接地故障的系统，有效检测直流微网中发生的各类故障，及时将故障片区隔离在外，以确保直流系统的正常运行，对于提高柔性直流配电网系统保护装置的可靠性、准确率以及直流配网的安全运行具有重大意义。

近年来被广泛研究的神经网络具有良好的鲁棒性、容错能力和抗扰动能力，基于神经网络的智能故障分类与线路保护技术不易受系统参数变化的影响。

技术实现要素：

本发明的目的是为了改进现有技术存在的不足，提出一种针对柔性直流配电网中的电气设备及其外部用电设备的基于神经网络的柔性直流配电网智能保护系统，将适合复杂系统的人工智能技术与计算机技术结合，实现针对直流配电线路的智能保护，保障直流配电系统的安全稳定运行。

本发明采取的技术方案为：

一种基于神经网络的柔性直流配电网智能保护系统，包括数据采集与实时数据库系统、数据分析专家系统、执行系统。

所述数据采集与实时数据库系统包括传感器模块、信号采集模块、中央处理器、实时数据库；传感器连接信号采集模块，信号采集模块连接中央处理器，中央处理器连接实时数据库。

所述传感器模块包括磁场参数传感器、电压传感器、电流传感器、电场参数传感器；电压传感器、电流传感器布置在直流配电网络的分布式发电侧、用户侧及线路的各个环节；磁场参数传感器、电场参数传感器设置在电气设备周围。

信号采集模块采集到传感器模块传送的直流配电网络数据后，转换为相应的数字信号，传送到中央处理器进行信号预处理，然后进行数据分类、信号特征提取，得到可以实时反映电网运行状态的信息，然后进入实时数据库。

所述数据分析专家系统由神经网络构成的专家数据库、计算机组成，该系统包括网络拓扑算法、系统优化规划理论，通过人工神经网络，进行推理和判断，模拟人类专家作决策的过程，数据分析专家系统在实时数据库里提取到信息以后，马上对线路故障的状态进行判断，然后调用各种专家数据库进行比对运算，然后推理判断，最后得出一系列的决策信息；

所述执行系统接受数据分析专家系统的决策指令后，迅速按照指令安排的各种操作及其一定的操作顺序执行操作，包括重新设置各种继电器、限流装置等保护器件的整定值，开关跳闸、合闸，从而实现网络的重构，以及重构后启动针对新网络的保护。

所述信号采集模块采用电能测量芯片CS5463，用于接收电压传感器、电流传感器、磁场参数传感器、电场参数传感器传输的模拟信号，再将其转换为对应的数字信号。

所述中央处理器采用SITRAS DPU96处理器，其安装在每个馈线柜低压室，当发生故障，其接收到信号采集模块传送过来的故障信号后，对配电网络的状态进行判断与分析，然后调用实时数据库。

所述实时数据库用于中央处理器与数据分析专家系统的对接，即中央处理器和数据分析专家系统组成一个相互交流的平台，当实时数据库接收到中央处理器传送过来的故障信号后，实时数据库会马上调取各种专家数据库，在此平台进行比对、分析、判断与推理过程。

所述执行系统包括断路器，执行系统通过无线通讯模块连接中央处理器，中央处理器通过无线通讯模块发送信号给执行系统，执行系统控制相应断路器的动作。

一种基于神经网络的柔性直流配电网智能保护方法，将布置在直流配电网络的分布式发电侧、用户侧及线路的各个传感器采集到的电网数据，传送给信号采集模块后，将其转换为对应的数字信号传送到中央处理器进行分析处理，然后进行数据分类，进行信号特征提取，得到可以实时反映电网运行状态的信息，若是检测到故障信号，即进入实时数据库，并将专家数据库调用到实时数据库中，待诊断出故障类型种类后，采取相应的措施，控制执行系统的跳/合闸动作。

本发明一种基于神经网络的柔性直流配电网智能保护系统，将适合复杂系统的人工智能技术与计算机技术结合，引入了神经网络，通过算法不断更新专家数据库，使对直流配电线路的故障诊断更加高效、准确、可靠，实现针对直流配电线路的智能保护，保障直流配电系统的安全稳定运行。

附图说明

图1为柔性柔性直流配电网智能保护系统结构框图。

图2为直流配电线路故障处理流程图。

图3为直流配电系统拓扑结构图。

图4为人工神经网络的结构图；其中11-跳闸信号，12-整定值调整信号，13-合闸信号。

具体实施方式

下面结合实施例及附图表，对本发明做进一步地详细说明，但本发明的实施方式不限于此。

一种基于神经网络的柔性直流配电网智能保护系统，包括数据采集与实时数据库系统、数据分析专家系统、执行系统。数据采集与实时数据库系统是用于电力系统状态的监测及测量，以传感器为主要元件构成，将其布置在配电网络的分布式发电侧、用户侧及线路的各个环节。主要应用到的传感器有电压传感器3，电流传感器4，和针对电气设备周围存在的电磁场测量的电场参数传感器5、磁场参数传感器2等。这些传感器采集了电网各个点包括分布式能源并网侧、用户侧及线路的数据后，传送到中央处理器7进行一些信号的预处理，包括降噪、去杂、抗干扰等，然后进行数据分类，进行信号特征提取，包括时域、频域分析，得到可以实时反映电网运行状态的信息，然后进入实时数据库8，形成智能保护系统的下一个环节地实现的数据基础。

数据采集与实时数据库系统主要由各种传感器、信号采集模块6、中央处理器7、实时数据库8四个部分构成。

其中，信号采集模块6采用电能测量芯片CS5463：具有高精度、高性价比、功耗低的特性。用于接收电压传感器3、电流传感器4、磁场参数传感器2传输的模拟信号，再将其转换为对应的数字信号。其电能测量芯片CS5463包含两路及以上的模数转换通道，本发明中采用三条模数转换通道的CS5463，分别对应于电压传感器3、电流传感器4和磁场参数传感器2的接入，从而保证了对三个模拟信号采样的同步性，避免了因某一个采样值采样延迟导致的电网运行参数计算的延迟和错误。

中央处理器7采用SITRAS DPU96，具有高精度、高性价比、高可靠性等特性。其作为直流保护方面的微控制器系统，带有集成自动测试和自动重合闸的功能，能有效操作和控制直流快速断路器的动作。通常被安装在每个馈线柜低压室，以保证供电区段的有效监视和对直流快速断流器的控制。当发生故障，其接收到电能测量芯片CS5463传送过来的故障信号后，对配电网络的状态进行判断与分析，然后调用实时数据库8，将其与实时故障信号进行比较、运算，然后推理，最后得出一系列决策信息。

实时数据库8，用于SITRAS DPU96处理器与数据分析专家系统的对接，即中央处理器7和数据分析专家系统组成一个相互交流的平台。当其接收到SITRAS DPU96处理器传送过来的故障信号后，实时数据库8会马上调取各种专家数据库9，在此平台进行比对、分析、判断与推理过程。

数据分析专家系统是基于神经网络推理的系统，神经网络推理和传统的推理方法相比，具有明显的优势，表现为是一种自适应推理，这种自适应是靠推理过程的学习算法自适应训练实现对自身参数的调整。

数据分析专家系统具有大量专门知识和经验的数据库系统，包括网络拓扑算法、系统优化、规划理论等，这些数据、程序及经验都是在以往的历史数据和处理措施中总结出来的。应用人工智能技术，进行推理和判断，模拟人类专家作决策的过程，调用近似的数据模型与案例来解决需要专家分析判断的复杂的配电线路保护问题。在实时数据库8里提取到信息以后，马上对线路故障的状态进行判断，然后调用各种专家数据库9，比如典型故障处理数据库、网络拓扑结构类型数据库、拓扑算法数据库等，进行比对、运算，然后推理、判断，最后得出一系列的决策信息。

数据分析专家系统主要由各种专家数据库9与计算机10组成。想要在柔性直流配电网络保护上有效的实现专家系统，关键在于能否在各种配电线路故障信息到达专家系统后短暂的时间里，快速、准确地做出决策，输出执行信息给执行系统。由此，即要求各种专家数据库9必须起到决定作用。故在本发明中引入了人工神经网络，以此提高配电线路故障切除与隔离的智能化程度。人工神经网络是采用计算机10模拟生命体中神经网络的某些结构和功能，并应用于工程领域。其基本神经元模型可以描述为:

其中，u_i为神经元的内部状态，θ_i为阀值，x_j为输入信号，w_ij表示与神经元连接的权值，s_i表示某一外部输入的控制信号。f(u_i)为S型函数，c为常数。

为了验证神经网络BP算法权值优化的优越性，本申请用示例对算法进行性能测试，比较与传统BP算法的优越性，本申请的神经网络结构如图4所示，采用3-4-1型BP神经网络，即i、u、di/dt共3个输入神经元，一个隐藏层共4个神经元，v₁或v₂一个输出神经元。整个结构共16个权值、5个阀值.隐藏层和输出层神经元的激活函数均为Sigmoid函数：目标函数U(t)取均方误差函数:其中P为训练样本数量；O为输出层神经元个数，为配电网络的实际输出和期望输出.给定四组输入输出样本:(0，0，0，0),(1，1，0，0),(0，0，1，1),(1，0，0，1)。确定BP参数如下:种群规模N＝40，杂交概率p_c＝0.2，变异概率p_m＝0.2，最大代数c_max＝500，神经网络中神经元权值、阀值取值区间定义在[-30,+30]。

同时数据分析专家系统是一个智能控制系统，具有实时性。以时间为基础，则必然有一个时序逻辑关系。设有r个输入变量，m个输出变量，均是时间的函数，设存在z组规则描述系统的输入输出关系，在第s个规则中，u_i^(s)和y_j^(s)分别表示第i个变量U_i与第j变量Y_i行为的描述函数。

而均为常量，i＝1,2,3…,r；j＝1,2,3…,m；s＝1,2,3…,z则z组规则可以描述为：

执行系统是智能保护系统的最后组成部分，接受数据分析专家系统的决策指令后，迅速按照指令安排的各种操作及其一定的操作顺序执行操作，包括重新设置各种继电器、限流装置等保护器件的整定值，开关的跳闸、合闸等，即当某片区域或配电支路出现短路、断路等故障时，执行系统接收到决策指令后及时将故障支路断开隔离，切除故障支路后的配电线路系统组建成了一个新的网络结构，数据分析专家系统对此新的网络结构重新进行区域排序、标号、整定等操作，待再有故障出现时系统即按照这个流程循环动作，以此实现网络的重构，以及重构后启动针对新网络的保护。

图1是柔性直流配电网智能保护系统结构框图。将布置在柔性直流配电网络1的分布式发电侧、用户侧及线路的各个传感器采集到的电网数据传送给电能测量芯片CS5463后，将其转换为对应的数字信号传送到中央处理器7进行分析、处理等，然后进行数据分类，进行信号特征提取，包括时域、频域分析，得到可以实时反映电网运行状态的信息，若是检测到故障信号，即进入实时数据库8，并将专家数据库9调用到实时数据库8中，待诊断出故障类型种类后，采取相应的措施控制执行系统的跳合闸等动作，形成智能保护系统的每一个环节地有效控制。

图2是直流配电线路故障处理流程图，将各个传感器采集到的电网数据传送给电能测量芯片CS5463后，将其转换为对应的数字信号传送到中央处理器7进行分析、处理等，其出现的故障可能通过电流异常信号、电压异常信号、电场异常信号、磁场异常信号中的任意一种形式反应出来，此时需将故障信号特征提取出来，然后进行数据分类，包括时域、频域分析，得到可以实时反映电网运行状态的信息，随即进入实时数据库8，并将由神经网络构成的专家数据库9调用到实时数据库中，找到与实际故障相匹配的故障特征值，待诊断出故障类型种类后，采取相应的措施控制执行系统的跳合闸等动作，形成智能保护系统的每一个环节地有效控制。

图3为直流配电系统拓扑框图，其中，与分布式能源侧、用户侧(交流负载、直流负载)连接的换流器前端装设了相应的传感器，以便采集各点的电流、电压、电场、磁场信号，如若分布式能源侧(风机、光伏板)或用户侧(负载、电动汽车)检测到异常信号，装设在相应换流器处的无线通讯模块会立即传送一个信号给中央处理器7，中央处理器7调用专家数据库9，应用神经网络与人工智能技术，调用近似的数据模型与案例来进行推理和判断，如若需要跳合闸、隔离等措施，中央处理器7通过无线通讯模块发送信号给执行系统，执行系统控制相应断路器的动作。

图4为人工神经网络的结构图，其中i为馈线电流，u为母线电压，di/dt为馈线电流变化率，△I为馈线电流增量。对于多参量的输入，网络通过对样本的学习，实现输入到输出的非线性映射，即用同一个网络，实现各种有效的判据，充分体现各输入特征间的内在联系，从而实现优化后的最佳判据。神经网络的权值训练过程实际是一种复杂函数优化问题，即通过反复调整来寻找最优的连接权值。连接权过程如下:

(1)：采用某种编码方案对权值(阀值)进行编码，随机产生一组分布，它就对应着一组神经网络的连接权(阀值)。

(2)：输入训练样本，计算它的误差函数值，以误差平方和倒数作为适应度。若误差越小，适应度越大，反之适应度大。以此来评价连接权(阀值)的优劣。