一種新的斷路器發(fā)熱量計(jì)算方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于斷路器保護(hù)技術(shù)領(lǐng)域，具體涉及一種新的斷路器發(fā)熱量計(jì)算方法。
【背景技術(shù)】
[0002] 電力系統(tǒng)運(yùn)行中經(jīng)常發(fā)生跳合閘線圈燒毀事故。眾所周知，跳合閘線圈都是按照 短時(shí)通電設(shè)計(jì)的。跳合閘線圈的燒毀、主要是由于跳、合閘線圈回路的電流不能正常切斷， 導(dǎo)致跳合閘線圈長(zhǎng)時(shí)間通電而造成的。作為電力系統(tǒng)中重要的電氣元件，在電力系統(tǒng)發(fā)生 故障時(shí)，斷路器接受繼電保護(hù)及自動(dòng)裝置的跳閘命令，并且要求其以毫秒級(jí)的速度去執(zhí)行 跳閘動(dòng)作，以避免事故的蔓延和擴(kuò)大。因此，要求斷路器在投運(yùn)中能隨時(shí)處于待命狀態(tài)，且 可以做到令行禁止。尤其不允許出現(xiàn)有跳閘命令時(shí)，斷路器拒絕跳閘的現(xiàn)象。在電力系統(tǒng) 的中低壓變電站中，還有大量的電磁操作機(jī)構(gòu)斷路器在運(yùn)行。實(shí)踐證明，這類(lèi)斷路器的操作 機(jī)構(gòu)穩(wěn)定性較差。操作過(guò)程中，時(shí)有拒分拒合或輔助觸點(diǎn)斷不開(kāi)的故障發(fā)生。在常規(guī)的有 人值班變店站中，人工操作斷路器，當(dāng)出現(xiàn)上述故障時(shí)，可由控制開(kāi)關(guān)KK或者及時(shí)斷開(kāi)該 路控制電源，人工切斷操作電流。因此，燒毀分合閘線圈的故障較少。即使目前已大量采用 的彈簧儲(chǔ)能操作機(jī)構(gòu)的斷路器，特別在調(diào)試、檢修中，也多次發(fā)生在機(jī)械閉鎖狀態(tài)下錯(cuò)誤進(jìn) 行電動(dòng)操作而燒線圈的事。
[0003] 跳合閘線圈燒毀的問(wèn)題很有必要研制一種跳合閘線圈監(jiān)測(cè)及保護(hù)裝置。該裝置 要求能監(jiān)測(cè)及記錄每次斷路器分合的狀態(tài)（通過(guò)線圈的電流、分合的時(shí)間、分合次數(shù)等）， 并且要求能在跳合閘過(guò)程中由于種種原因?qū)е绿祥l線圈拒動(dòng)時(shí)能有效保護(hù)跳合閘線圈 (此功能要能夠投退，并且不影響原操作回路特性）。該裝置還要求能記錄跳合閘電流波 形，為跳合閘線圈拒動(dòng)原因分析提供數(shù)據(jù)支持。同時(shí)為以后能進(jìn)行推廣應(yīng)用，要求該裝置性 能可靠、安全、經(jīng)濟(jì)。專(zhuān)利號(hào)為CN201310215635. 9,名稱(chēng)為"斷路器分合閘線圈狀態(tài)檢測(cè)及 保護(hù)方法"的發(fā)明專(zhuān)利申請(qǐng)?jiān)O(shè)計(jì)了一種斷路器分合閘線圈狀態(tài)檢測(cè)及保護(hù)系統(tǒng)，通過(guò)理論 計(jì)算及線圈分合閘材料分析，推導(dǎo)出線圈等效發(fā)熱公式，通過(guò)對(duì)發(fā)熱量的計(jì)算，在線圈達(dá)到 發(fā)熱熔點(diǎn)前切斷通電回路達(dá)到保護(hù)線圈的目的。但是該專(zhuān)利并未考慮發(fā)熱量計(jì)算的歷史數(shù) 據(jù)，使得當(dāng)次測(cè)量計(jì)算的發(fā)熱量數(shù)值的精確度較低。
[0004] 綜上所述，考慮到目前斷路器分合閘線圈檢測(cè)和保護(hù)存在的問(wèn)題，需要一種新的 方法以解決上述問(wèn)題。

【發(fā)明內(nèi)容】

[0005] 為克服上述缺陷，本發(fā)明提供了一種新的斷路器發(fā)熱量計(jì)算方法，所述方法包括 以下步驟：
[0006] 步驟A、分析并確定影響斷路器分合閘線圈發(fā)熱量的因素；
[0007] 步驟B、根據(jù)確定的影響因素的歷史數(shù)據(jù)生成輸入向量，以所對(duì)應(yīng)的采集到的直流 電流的歷史數(shù)據(jù)作為輸出，得到訓(xùn)練樣本；
[0008] 步驟C、利用所述訓(xùn)練樣本對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò) 模型；所述神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為所述輸入向量的特征維數(shù)，輸出層節(jié)點(diǎn)數(shù)為I ;
[0009] 步驟D、根據(jù)所選取的影響因素的待預(yù)測(cè)時(shí)刻的實(shí)際數(shù)據(jù)生成測(cè)試輸入相量，并將 測(cè)試輸入向量輸入訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)，其輸出即為待預(yù)測(cè)時(shí)刻的可采集到的直流電流 數(shù)值。
[0010] 所述一種新的斷路器發(fā)熱量計(jì)算方法采用基于RBF神經(jīng)網(wǎng)絡(luò)的方法建立斷路器 發(fā)熱量預(yù)測(cè)模型。
[0011] 所述一種新的斷路器發(fā)熱量計(jì)算方法采用粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的輸入 變量。
[0012] 所述一種新的斷路器發(fā)熱量計(jì)算方法的影響因素包括：斷路器工作環(huán)境條件、斷 路器設(shè)備狀態(tài)、繼電保護(hù)配置、斷路器動(dòng)作時(shí)間、斷路器分合次數(shù)。
【附圖說(shuō)明】
[0013] 圖1為本發(fā)明預(yù)測(cè)模型的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0014] 下面結(jié)合附圖和具體實(shí)施例，進(jìn)一步闡明本發(fā)明。
[0015] 需要聲明的是，本
【發(fā)明內(nèi)容】
及【具體實(shí)施方式】意在證明本發(fā)明所提供技術(shù)方案的實(shí) 際應(yīng)用，不應(yīng)解釋為對(duì)本發(fā)明保護(hù)范圍的限定。本領(lǐng)域技術(shù)人員在本發(fā)明的精神和原理啟 發(fā)下，可作各種修改、等同替換、或改進(jìn)。但這些變更或修改均在申請(qǐng)待批的保護(hù)范圍內(nèi)。
[0016] 圖1為本發(fā)明預(yù)測(cè)模型的結(jié)構(gòu)示意圖。本發(fā)明所述方法包括以下步驟：
[0017] 步驟A、分析并確定影響斷路器分合閘線圈發(fā)熱量的因素；
[0018] 步驟B、根據(jù)確定的影響因素的歷史數(shù)據(jù)生成輸入向量，以所對(duì)應(yīng)的采集到的直 流電流的歷史數(shù)據(jù)作為輸出，得到訓(xùn)練樣本；
[0019] 步驟C、利用所述訓(xùn)練樣本對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò) 模型；所述神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為所述輸入向量的特征維數(shù)，輸出層節(jié)點(diǎn)數(shù)為1 ;
[0020] 步驟D、根據(jù)所選取的影響因素的待預(yù)測(cè)時(shí)刻的實(shí)際數(shù)據(jù)生成測(cè)試輸入相量，并將 測(cè)試輸入向量輸入訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)，其輸出即為待預(yù)測(cè)時(shí)刻的可采集到的直流電流 數(shù)值。
[0021] 所述一種基于RBF神經(jīng)網(wǎng)絡(luò)的斷路器發(fā)熱量計(jì)算方法采用基于RBF神經(jīng)網(wǎng)絡(luò)的方 法建立斷路器發(fā)熱量預(yù)測(cè)模型。
[0022] 所述一種基于RBF神經(jīng)網(wǎng)絡(luò)的斷路器發(fā)熱量計(jì)算方法采用粒子群算法優(yōu)化RBF神 經(jīng)網(wǎng)絡(luò)的輸入變量。
[0023] 所述一種基于RBF神經(jīng)網(wǎng)絡(luò)的斷路器發(fā)熱量計(jì)算方法的影響因素包括：斷路器工 作環(huán)境條件、斷路器設(shè)備狀態(tài)、繼電保護(hù)配置、斷路器動(dòng)作時(shí)間、斷路器分合次數(shù)。
[0024] 輸入變量的選擇：
[0025] 基于RBF神經(jīng)網(wǎng)絡(luò)的斷路器發(fā)熱量計(jì)算方法的影響因素包括：斷路器工作環(huán)境條 件、斷路器設(shè)備狀態(tài)、繼電保護(hù)配置、斷路器動(dòng)作時(shí)間、斷路器分合次數(shù)。
[0026] 基于粒子群算法的輸入變量?jī)?yōu)化：
[0027] (1)編碼的實(shí)現(xiàn)；米用二進(jìn)制編碼；
[0028] (2)初始化群體：初始化群體規(guī)模設(shè)定為30,采用隨機(jī)取種法產(chǎn)生初始群種的二 進(jìn)制串；
[0029] (3)適應(yīng)度函數(shù)：選擇通用回歸神經(jīng)網(wǎng)絡(luò)（GRNN)作為對(duì)每個(gè)樣本的適應(yīng)性進(jìn)行評(píng) 估；
[0030] (4)算子的選擇、交換、變異：選用單點(diǎn)交叉方式進(jìn)行父串信息的交換；
[0031] 設(shè)定RBF神經(jīng)網(wǎng)絡(luò)的輸入變量、預(yù)測(cè)值、輸入層與隱含層的權(quán)值，其訓(xùn)練的具體步 驟如下：
[0032] (I)RBF神經(jīng)網(wǎng)絡(luò)初始化：根據(jù)模型確定輸入層節(jié)點(diǎn)數(shù)、隱含層節(jié)點(diǎn)數(shù)和輸出層節(jié) 點(diǎn)數(shù)，初始化各層的閥值，給定學(xué)習(xí)速率和神經(jīng)元激勵(lì)函數(shù)；
[0033] (2)隱含層輸出計(jì)算：根據(jù)輸入向量，輸入層和隱含層的連接權(quán)值和隱含層閥值， 計(jì)算隱含層輸出；
[0034] (3)輸出層輸出計(jì)算：根據(jù)隱含層輸出、連接權(quán)值和閥值，計(jì)算RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 輸出；
[0035] (4)誤差計(jì)算：根據(jù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出值和期望輸出，計(jì)算網(wǎng)絡(luò)預(yù)測(cè)誤差；
[0036] (5)權(quán)值更新：根據(jù)網(wǎng)絡(luò)預(yù)測(cè)誤差更新網(wǎng)絡(luò)連接權(quán)值；
[0037] (6)閥值更新：根據(jù)網(wǎng)絡(luò)預(yù)測(cè)誤差更新網(wǎng)絡(luò)節(jié)點(diǎn)閥值；
[0038] (7)判斷算法迭代是否結(jié)束，若沒(méi)有，則返回步驟（2)。
[0039] 神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練誤差和預(yù)測(cè)誤差均由下式計(jì)算：
[0040]
【主權(quán)項(xiàng)】
1. 一種新的斷路器發(fā)熱量計(jì)算方法，其特征在于，包括以下步驟： 步驟A、分析并確定影響斷路器分合閘線圈發(fā)熱量的因素； 步驟B、根據(jù)確定的影響因素的歷史數(shù)據(jù)生成輸入向量，以所對(duì)應(yīng)的采集到的直流電流 的歷史數(shù)據(jù)作為輸出，得到訓(xùn)練樣本； 步驟C、利用所述訓(xùn)練樣本對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)模型； 所述神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為所述輸入向量的特征維數(shù)，輸出層節(jié)點(diǎn)數(shù)為1 ; 步驟D、根據(jù)所選取的影響因素的待預(yù)測(cè)時(shí)刻的實(shí)際數(shù)據(jù)生成測(cè)試輸入相量，并將測(cè) 試輸入向量輸入訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)，其輸出即為待預(yù)測(cè)時(shí)刻的可采集到的直流電流數(shù) 值。
2. 根據(jù)權(quán)利要求1所述的一種新的斷路器發(fā)熱量計(jì)算方法，其特征在于：采用基于RBF 神經(jīng)網(wǎng)絡(luò)的方法建立斷路器發(fā)熱量預(yù)測(cè)模型。
3. 根據(jù)權(quán)利要求1所述的一種新的斷路器發(fā)熱量計(jì)算方法，其特征在于：采用粒子群 算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的輸入變量。
4. 根據(jù)權(quán)利要求1所述的一種新的斷路器發(fā)熱量計(jì)算方法，其特征在于，所述影響因 素包括：斷路器工作環(huán)境條件、斷路器設(shè)備狀態(tài)、繼電保護(hù)配置、斷路器動(dòng)作時(shí)間、斷路器分 合次數(shù)。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種新的斷路器發(fā)熱量計(jì)算方法。本發(fā)明利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行建模預(yù)測(cè)，以斷路器工作環(huán)境條件、斷路器設(shè)備狀態(tài)、繼電保護(hù)配置等作為模型的輸入變量，以斷路器分合閘線圈的發(fā)熱量作為模型的輸出變量，訓(xùn)練并建立斷路器發(fā)熱量預(yù)測(cè)模型；采用粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的輸入變量，簡(jiǎn)化了人工神經(jīng)網(wǎng)絡(luò)的輸入結(jié)構(gòu)，提高了RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度和精度。
【IPC分類(lèi)】G06N3-08, G06Q50-06
【公開(kāi)號(hào)】CN104657908
【申請(qǐng)?zhí)枴緾N201410645797
【發(fā)明人】張曉光, 李勁松, 王華學(xué), 吳釗賢, 周志兵, 談俊, 裴一舟
【申請(qǐng)人】國(guó)家電網(wǎng)公司, 國(guó)網(wǎng)安徽蕪湖縣供電有限責(zé)任公司, 張曉光, 李勁松, 王華學(xué), 吳釗賢, 周志兵, 談俊, 裴一舟
【公開(kāi)日】2015年5月27日
【申請(qǐng)日】2014年11月12日