SOM-BP復合神經(jīng)網(wǎng)絡在不接地IT系統(tǒng)對地絕緣故障相判別中的應用

張明遠，楊 濤，慕洪勝，劉 洋，馬 睿

（解放軍65056部隊，遼寧鐵嶺 112002）

SOM-BP復合神經(jīng)網(wǎng)絡在不接地IT系統(tǒng)對地絕緣故障相判別中的應用

張明遠，楊 濤，慕洪勝，劉 洋，馬 睿

（解放軍65056部隊，遼寧鐵嶺 112002）

分析了不接地IT系統(tǒng)故障前后對地電壓變化量隨接地電阻的變化過程，得出了故障前后系統(tǒng)對地電壓變化量與故障相別的關系。對地電壓變化量最大相的相位滯后相或者超前相為故障相，N線發(fā)生故障時系統(tǒng)對地電壓變化量較小。結合SOM神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡的優(yōu)點，提出了基于SOM-BP復合神經(jīng)網(wǎng)絡的故障相判別方法。利用實際工程試驗數(shù)據(jù)進行了測試，結果表明SOM-BP復合神經(jīng)網(wǎng)絡經(jīng)訓練后能夠準確判斷故障相別。

不接地IT系統(tǒng) 對地絕緣故障 故障相判別 自組織映射神經(jīng)網(wǎng)絡 誤差反向傳播神經(jīng)網(wǎng)絡 復合神經(jīng)網(wǎng)絡

0 引言

不接地IT系統(tǒng)發(fā)生單相對地絕緣故障時，由于無法構成故障回路，系統(tǒng)仍可持續(xù)運行一段時間，具有較高的供電可靠性[1,2]。在一些供電連續(xù)性要求高、單相接地故障頻繁的場所應用非常廣泛，如醫(yī)院、船舶、礦井、大型發(fā)電廠等[3,4]。而絕緣故障在系統(tǒng)中是不可避免的，及時發(fā)現(xiàn)故障、判斷故障部位并做到及時處理，對于保障電網(wǎng)安全供電和連續(xù)供電具有十分重大的意義[5,6]。

文獻[7]分析了三相三線制IT系統(tǒng)對地絕緣故障相與中性點對地電壓幅值與相位的關系，并實現(xiàn)了一種以故障后中性點對地電壓幅值和相位為基礎的故障相判別方法，但是忽略了實際系統(tǒng)中存在的由于系統(tǒng)阻抗不平衡、容抗不平衡所產(chǎn)生的中性點電壓漂移問題，且需要劃分多個區(qū)間導致算法盲區(qū)較多。本文針對配出中性導體不接地IT系統(tǒng)，分析了考慮分布電容和阻抗不平衡情況下故障前后的系統(tǒng)對地電壓的變化情況，找出了A、B、C三相及N線接地后的故障特征。由于故障特征值受接地電阻大小、分布電容和阻抗不平衡程度的影響，無法確定統(tǒng)一的判據(jù)。從信息融合的角度出發(fā)，利用自組織特征映射 (Self Organizing Mapping，SOM) 網(wǎng)絡和誤差反向傳播(Error Back Propagation，BP)網(wǎng)絡理論，提出了基于SOM-BP復合神經(jīng)網(wǎng)絡的故障相判定方法，并進行了試驗驗證。

1 配出中性導體IT系統(tǒng)單相接地故障特征分析

在實際系統(tǒng)中，各相對地絕緣電阻與系統(tǒng)的結構有關，不可能完全相等；同時現(xiàn)代電力系統(tǒng)中電容已經(jīng)變得不可忽略。系統(tǒng)運行正常時，由節(jié)點電壓法可知，中性點對地電壓為：

三相對地電壓滿足下式：

假設B相發(fā)生對地絕緣故障，則故障后中性點對地電壓為：

圖1 配出中性導體IT系統(tǒng)示意圖

發(fā)生單相對地絕緣故障后，三相對地電壓滿足下式：

由式(1)(4)可知，在考慮系統(tǒng)分布電容、容抗和阻抗不平衡等因素時，不同接地電阻情況下故障后A、B、C三相和中性點對地電壓變化也不同，直接對公式進行分析很難找出其中的規(guī)律。

借助數(shù)學和工程計算Maple分析具體參數(shù)情況下的故障前后電壓變化情況。假設系統(tǒng)中Ra=30 kΩ，Rb=40 kΩ，Rc=50 kΩ，Rn=50 kΩ，Ca=40 μF，Cb=30 μF，Cc=20 μF，Cn=20 μF，這種阻抗和容抗參數(shù)是一種比較極端的情況。分別模擬A、B、C相和中性導體發(fā)生接地故障，接地電阻大小從5 Ω到50 kΩ，故障前后系統(tǒng)對地電壓變化量隨接地電阻的變化過程如圖2所示。

由圖2可知，發(fā)生對地絕緣故障前后A、B、C三相及中性點對地電壓變化量與故障相別存在一定的規(guī)律。相線發(fā)生接地故障時，故障相與對地電壓變化量最大的相密切相關，故障相總是為對地電壓變化量最大相的相位超前相或者滯后相。若對地電壓變化量最大相的滯后相對地電壓下降，則該滯后相為故障相，否則相位超前相為故障相。N線發(fā)生接地故障后相對于相線接地故障時三相對地電壓變化較小，但是接地電阻不同時相線接地和N線接地系統(tǒng)對地電壓在數(shù)值上沒有可比性。由分析可知，故障相別與故障前后系統(tǒng)對地電壓變化量之間存在一定的規(guī)律，卻無法通過固定值和特定的表達式來描述。

圖2 故障前后系統(tǒng)對地電壓變化量隨接地電阻變化規(guī)律

2 SOM-BP復合神經(jīng)網(wǎng)絡

人工神經(jīng)網(wǎng)絡(Artificial Neural Networks, ANN)具有自學習、自組織、聯(lián)想記憶等優(yōu)點，特別適合于解決一些相互耦合、無法通過特定表達式或者簡練語言描述的問題，為故障診斷提供了一種新的解決途徑[8,9]。

SOM神經(jīng)網(wǎng)絡是一種無教師自學習型神經(jīng)網(wǎng)絡，它不僅要對不同輸入信號產(chǎn)生不同響應，即與競爭學習網(wǎng)絡一樣具有分類功能；更重要的是要實現(xiàn)功能相同的神經(jīng)元在空間上的聚集，適合解決多種分類和識別問題。SOM神經(jīng)網(wǎng)絡在故障診斷中能對數(shù)據(jù)自動分類，訓練時無需大量的樣本數(shù)據(jù)和人工干預，實時性強；而缺點是需要大量的訓練次數(shù)，且網(wǎng)絡競爭層神經(jīng)元的個數(shù)和排練極為重要，若神經(jīng)元的個數(shù)不夠，則可能無法對故障模式進行正確地分類。

BP神經(jīng)網(wǎng)絡是一種有教師指導的按誤差反向傳播算法訓練的多層前饋網(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡之一。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權值和閾值，使網(wǎng)絡的誤差平方和最小。BP神經(jīng)網(wǎng)絡具有自學習能力和非線性映射的能力，但需要對數(shù)據(jù)進行大量的樣本訓練，耗費時間長，實時性較差。

構建SOM-BP復合神經(jīng)網(wǎng)絡的目的是綜合SOM神經(jīng)網(wǎng)絡無監(jiān)督、自組織和BP神經(jīng)網(wǎng)絡有導師、自學習的優(yōu)勢，利用SOM神經(jīng)網(wǎng)絡對輸入數(shù)據(jù)進行聚類，實現(xiàn)初步的判別；再將SOM神經(jīng)網(wǎng)絡輸出的興奮神經(jīng)元位置信息輸入到BP神經(jīng)網(wǎng)絡中，利用BP神經(jīng)網(wǎng)絡進行精確診斷，判斷故障相別。將兩種神經(jīng)網(wǎng)絡相結合能夠優(yōu)勢互補，是一種較為新穎的故障診斷方法[10-12]。SOM-BP復合神經(jīng)網(wǎng)絡的拓撲結構如圖3所示。

由圖3可知，SOM-BP復合神經(jīng)網(wǎng)絡具有四層結構：輸入層、競爭層、隱含層及輸出層，前兩層組合即為SOM神經(jīng)網(wǎng)絡，后三層組合即為BP神經(jīng)網(wǎng)絡。復合網(wǎng)絡對輸入數(shù)據(jù)進行聚類，將線性不可分數(shù)據(jù)映射到高維空間，使其線性可分，完成對輸入樣本的初步辨識，減輕了BP神經(jīng)網(wǎng)絡的識別難度，然后通過BP網(wǎng)絡的訓練，進行輸入層到輸出層之間的監(jiān)督學習。

圖3 SOM-BP復合神經(jīng)網(wǎng)絡拓撲結構圖

3 SOM-BP復合神經(jīng)網(wǎng)絡的設計步驟

系統(tǒng)發(fā)生絕緣故障后，故障相的特征受系統(tǒng)分布電容、阻抗不平衡及接地電阻大小等因素的影響，其電氣參數(shù)變化的規(guī)律較為復雜，產(chǎn)生影響的主要為電壓參數(shù)。因此，將故障前后系統(tǒng)所有電壓信號作為復合神經(jīng)網(wǎng)絡的輸入，利用SOM神經(jīng)網(wǎng)絡對數(shù)據(jù)進行聚類，再把聚類結果即SOM神經(jīng)網(wǎng)絡的興奮神經(jīng)元位置信息輸入BP神經(jīng)網(wǎng)絡，通過BP神經(jīng)網(wǎng)絡進行故障相的識別。SOM-BP復合神經(jīng)網(wǎng)絡各層設計如下：

3.1 輸入層設計

系統(tǒng)發(fā)生接地故障后，會對各相對地電壓產(chǎn)生影響，且不同的相別發(fā)生故障后對電壓的影響不同，根據(jù)故障前后的電壓情況可以判斷故障相別。因此，將復合神經(jīng)網(wǎng)絡的輸入層神經(jīng)元數(shù)目設計為14，即輸入矩陣X：

X中數(shù)據(jù)的含義為：

1）故障前系統(tǒng)A相對中性點電壓EA1；

2）故障前系統(tǒng)B相對中性點電壓EB1；

3）故障前系統(tǒng)C相對中性點電壓EC1；

4）故障前系統(tǒng)A相對地電壓UAG1；

5）故障前系統(tǒng)B相對地電壓UBG1；

6）故障前系統(tǒng)B相對地電壓UCG1；

7）故障前系統(tǒng)N線對地電壓UNG1；

8）故障前系統(tǒng)A相對中性點電壓EA2；

9）故障前系統(tǒng)B相對中性點電壓EB2；

10）故障前系統(tǒng)C相對中性點電壓EC2；

11）故障前系統(tǒng)A相對地電壓UAG2；

12）故障前系統(tǒng)B相對地電壓UBG2；

13）故障前系統(tǒng)B相對地電壓UCG2；

14）故障前系統(tǒng)N線對地電壓UNG2。

3.2 競爭層設計

為了提高SOM神經(jīng)網(wǎng)絡的聚類結果的準確度，將競爭層設計為16*16的二維平面。當輸入層有數(shù)據(jù)輸入時，競爭層中對應的神經(jīng)元將興奮，該層的輸出即為興奮神經(jīng)元的位置信息。

3.3 隱含層設計

隱含層中神經(jīng)元數(shù)目的確定是BP神經(jīng)網(wǎng)絡設計的一個難點。根據(jù)BP神經(jīng)網(wǎng)絡中隱含層神經(jīng)元數(shù)目一般為輸入層神經(jīng)元數(shù)目的2～4倍，本文設置復合神經(jīng)網(wǎng)絡的隱含層神經(jīng)元數(shù)目為4。

3.4 輸出層設計

ITN系統(tǒng)發(fā)生故障后，故障相別的判定結果有一下四種情況：

第一種：系統(tǒng)N線故障，用標號T1表示；

第二種：系統(tǒng)A相故障，用標號T2表示；

第三種：系統(tǒng)B相故障，用標號T3表示；

第四種：系統(tǒng)C相故障，用標號T4表示。

輸出矩陣Y：

輸出層的輸出結果意義如表1所示。

表1 輸出層輸出結果與模式對應表

通過以上步驟設計出SOM-BP復合神經(jīng)網(wǎng)絡，經(jīng)過訓練后可用于ITN系統(tǒng)故障相的判別。如果系統(tǒng)發(fā)生故障則把相應數(shù)據(jù)輸入到復合神經(jīng)網(wǎng)絡的輸入層，經(jīng)過網(wǎng)絡判別后輸出結果Y，根據(jù)Y中各狀態(tài)的值可判斷具體故障相別。

4 SOM-BP復合神經(jīng)網(wǎng)絡在故障相判別中的應用

以某公司車間的配出中性導體IT系統(tǒng)為研究對象，在確保無二次故障的前提下設置接地電阻模擬單相接地故障，記錄不同接地電阻情況下故障前后的電壓，如表2所示。

以Rf為5 kΩ時的故障數(shù)據(jù)位訓練樣本，SOM神經(jīng)網(wǎng)絡的訓練次數(shù)為4400次，訓練目標為0。經(jīng)過訓練后，各組數(shù)據(jù)對應的興奮神經(jīng)元位置信息yc=[32,1,225,256]，競爭層中興奮神經(jīng)元的具體位置如圖4所示，聚類的領域神經(jīng)元距離權值如圖5所示。由圖可知，經(jīng)過多次訓練后，SOM神經(jīng)網(wǎng)絡將四種故障狀態(tài)聚類為四種模式，且四種模式在二維競爭層所占的區(qū)域有較明顯的邊界。

圖4 訓練后興奮神經(jīng)元位置

在復合神經(jīng)網(wǎng)絡中，位置信息是BP神經(jīng)網(wǎng)絡的輸入矩陣，對應的故障相別信息作為目標輸出，訓練次數(shù)為50，訓練目標為0，對BP神經(jīng)網(wǎng)絡進行訓練。

BP神經(jīng)網(wǎng)絡訓練完后，選取表2中接地電阻Rf為1 kΩ時的四組數(shù)據(jù)對SOM-BP復合神經(jīng)網(wǎng)絡進行測試，輸出矩陣Y如表3所示。為與傳統(tǒng)故障相判別方法比較，本文列出了傳統(tǒng)方法對同一數(shù)據(jù)的判別結果，比較結果如表3所示。

圖5 訓練后領域神經(jīng)元距離權值

表2 原型系統(tǒng)中的故障前后系統(tǒng)數(shù)據(jù)

表3 兩種方法比較

由表3的比較結果，可以判定SOM-BP復合神經(jīng)網(wǎng)絡判別方法滿足選相要求，可以準確判定A、B、C三相和N線接地故障，準確度高于傳統(tǒng)判別方法。

5 結論

針對絕緣故障診斷過程中存在多種因素影響，分析了故障前后系統(tǒng)對地電壓的變化量隨接地電阻的變化規(guī)律。從數(shù)據(jù)融合的角度出發(fā)，結合SOM神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡的特點和優(yōu)勢，提出了基于SOM-BP復合神經(jīng)網(wǎng)絡的故障相判別方法，給出了復合神經(jīng)網(wǎng)絡的設計步驟。根據(jù)實際工程的試驗數(shù)據(jù)進行了測試，與傳統(tǒng)故障相判別方法進行了比較，結果表明SOM-BP復合神經(jīng)網(wǎng)絡可準確判別A、B、C三相和N線的單相接地故障，相對傳統(tǒng)方法有更高的精度。

[1] GB50054-2011, 低壓配電設計規(guī)范 [S]. 中華人民共和國國家標準, . 2012.

[2] GB14050-2008, Types and safety technical requirements of system earthing[S]. 中華人民共和國國家標準, 系統(tǒng)接地的型式及安全技術要求, 2009.

[3] 王厚余. 論IT系統(tǒng)的應用[J]. 建筑電氣, 2008(11)：3-6.

[4] 王厚余. 低壓電氣裝置的設計安裝和檢驗[M], 北京： 中國電力出版社, 2008.

[5] 王勇. 船舶交流電力系統(tǒng)絕緣監(jiān)測系統(tǒng)的研究[D].武漢： 華中科技大學.2007.

[6] IEC61557-8-2007, Electrical safety in low voltage distribution systems up to 1000V a.c. and 1500V d.c.-equipment for testing, measuring and monitoring of protective measures-Part 8： Insulation monitoring devices for IT systems [S]. International Electrotechnical Commission. IEC Standard, Second edition, 2007.

[7] 林樺, 王興, 李溪聞等. 交流浮地電網(wǎng)對地絕緣故障相判別方法[J]. 電力系統(tǒng)自動化設備, 2004, 24(1)： 78-81.

[8] 楊占華, 楊燕. SOM神經(jīng)網(wǎng)絡算法的研究與進展[J].計算機工程, 2006, 16： 201-202+228.

[9] 馬永光, 殷喆, 馬良玉. 基于SOM神經(jīng)網(wǎng)絡的凝汽器故障診斷研究[J]. 華北電力大學學報, 2006,（04）： 5-8.

[10] 羅亮, 李國璋, 楊權等. SOM-BP神經(jīng)網(wǎng)絡在機械故障診斷中的應用研究[J]. 車用發(fā)動機, 2008, （02）：72-75.

[11] 程鵬, 潘宏俠. SOM-BP復合神經(jīng)網(wǎng)絡在齒輪箱故障診斷中的應用研究[J]. 噪聲與振動控制, 2010, (05)： 165-168.

[12] 龔明, 潘宏俠, 蘭海龍. 基于最優(yōu)小波包與SOM-BP融合的柴油機故障診斷[J]. 煤礦機械, 2012, 10： 278-280.

Application of SOM-BP Composite Neutral Network for Insulation Fault Phase Location to Unearthed IT System

Zhang Mingyuan, Yang Tao, Mu Hongsheng, Liu Yang, Ma Rui

(Institute of National Defense, PLA University of Science & Technology, Nanjing 210007, China)

The variations of ground voltage with ground resistance are analyzed before and after failure of IT system, and the relationship between the variation of the ground voltage and the fault before and after fault is obtained. The phase that advances or lags the phase that has max voltage variation is the fault phase, except the neutral conductor which leads to smaller variations than any phase. A fault phase locating method based on SOM-BP composite neutral network, which combines the advantage of SOM neutral network and the advantage of BP neutral network, is proposed. Simulation experiments using test data from the prototype system are conducted. The results show that the trained SOM-BP composite neutral network is able to locate the fault phase correctly.

unearthed IT system; phase to ground insulation fault; fault phase locating; self organizing mapping (SOM); error back propagation (BP); composite neural network

TP183 TP277

A

1003-4862（2016）12-0028-05

2016-08-01

張明遠，男，碩士，總工程師。