基于模糊神經(jīng)網(wǎng)絡的電網(wǎng)故障診斷.pdf

1、隨著現(xiàn)在電網(wǎng)規(guī)模的不斷擴大，電網(wǎng)元件受到各方面故障的的影響也越來越多。目前對電網(wǎng)故障元件的診斷主要是通過人工智能技術以及繼電保護和斷路器的動作信息來進行故障元件的診斷。但是由于目前電網(wǎng)變得越來越復雜，故障的原因也變得復雜多樣，導致繼電保護和斷路器由于信號發(fā)生畸變而不能正常地診斷出故障元件。基于此，為了能夠比較快速和準確地診斷出電網(wǎng)的故障元件，本文的主要工作如下:
　　本文構建了簡單的電網(wǎng)結構模型，通過對故障元件的繼電保護動作分析，

2、確定了故障元件和保護的動作關系，并整理出了電網(wǎng)故障測試樣本集。然后通過制定的電網(wǎng)故障頻率模糊等級表對訓練樣本進行模糊化處理，并用向量的形式表示出來，得到電網(wǎng)故障元件輸入向量集與電網(wǎng)故障元件的輸出向量集。最后通過模糊神經(jīng)網(wǎng)絡混合分類器構建模糊神經(jīng)網(wǎng)絡，以及使用MATLAB進行仿真，并對仿真結果進行分析。通過對標準BP網(wǎng)絡對電網(wǎng)結構圖進行仿真，可以得到誤差曲線，然后從仿真出來的誤差曲線中可以看出，BP神經(jīng)網(wǎng)絡的收斂效果不佳，且存在著較大的誤

3、差震蕩現(xiàn)象。通過模糊神經(jīng)網(wǎng)絡混合分類器模型對電網(wǎng)結構圖進行仿真，得到模糊神經(jīng)網(wǎng)絡的誤差曲線，從該收斂曲線中可以看出，模糊神經(jīng)網(wǎng)絡的誤差收斂曲線比BP神經(jīng)網(wǎng)絡要快得多。它不僅能夠達到我們的期望，而且曲線比較平穩(wěn)和光滑，可以判定該模型的訓練已經(jīng)達到要求了。通過對模擬的電網(wǎng)結構圖進行仿真，并且與BP神經(jīng)網(wǎng)絡進行參照，可以得到這樣一個結論，模糊神經(jīng)網(wǎng)絡的收斂很快，仿真的實際輸出和理論輸出非常接近。所以模糊神經(jīng)網(wǎng)絡在診斷復雜不確定的電網(wǎng)故障時，比