小波分析和神经网络理论的电力系统短路故障的研究.doc

《小波分析和神经网络理论的电力系统短路故障的研究.doc》由会员分享，可在线阅读，更多相关《小波分析和神经网络理论的电力系统短路故障的研究.doc（26页珍藏版）》请在三一办公上搜索。

1、小波分析和神经网络理论的电力系统短路故障研究 摘要 电力系统正常运行的破坏多半是由短路故障引起的，发生短路时，系统从一种状态剧变到另一种状态，并伴随产生复杂的暂态现象，测量得到的信号中包含大量的暂态分量。如何对这类信号进行有效分析，提取其特征，开发新型的保护装置，一直是电力系统保护技术中的重要研究领域。电力系统的保护就是通过对故障进行快速的检测、定位，达到正确动作、消除故障的目的。目前，用于微机保护中的电力信号分析工具有FFT、Kalman滤波器、有限冲激响应滤波器等，它们对于平稳信号的分析是高效的，但在分析非平稳信号中有其局限性；尤其对非线性故障识别困难， 如探测高阻抗非线性短路故障便是电力

2、系统一个长期没有很好解决的问题。本文利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普遍的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。该方法首先对测量信号作小波变换， 提取特征量，作为多层前向神经网络的输入，对不同的输出要求，提出采用不同的神经网络，判断出发生故障的相位、性质和位置。集合小波理论和ANN的优点，实现保护智能化，提高保护的选择性、灵敏性及可靠性,保证电网稳定，提高供电质量。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。

3、测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。 【关键词】故障诊断小波神经网络电力系统第一章引言11选题背景小波分析是一种时域频域分析方法，自80年代提出以来理论和应用都得到了巨大的发展，小波分析的出现被认为是傅立叶分析的突破性进展。由于它良好的时频局部特性和变焦特性，使其已广泛应用于信号分析、图像处理、量子力学、计算机视觉、医学成像与诊断、无损检测、机械故障诊断等领域，处理突变信号和非平稳时变信号。原则上讲传统使用傅立时分析的地方，现在都可以用小波分析。神经网络本质上是一种通用的非线性自适应函数估计器，通过对历史数据的训练，建立起复杂的非线性映射模型。神经网络理论的研究

4、日趋深入，其重要发展方向之一，就是注重与小波、混沌、分形、模颧集等非线性科学理论相结合。它具有良好的自学习、自适应、鲁棒性、容错性和推广能力。因此，如何有效地把小波分析与人工神经网络的优点有机地结合起来，是当今信号处理学科的热点。在电力系统的保护技术中，故障的识别和定位是极其重要的部分。电力系统的正常运行的破坏多半是由短路故障引起豹，发生短路时，系统从一种状态剧变到另一种状态，并伴随产生复杂的暂态现象。传统电力系统中的保护就是通过对故障进行快速的检测、定位，对就地信号的幅值进行测量，并做出是否动作的决策，达到正确动作、消除故障的目的。显然，仅利用这些信息不能反应整个故障特征，因而经常不能区分保

5、护区内高阻抗故障和区外的金属性短路故障。故增加保护的信息量，准确区分各种情况下的故障是保护智能化的重要内容。目前，用于计算机保护中的电力信号分析工具是传统的分析工具，如FFT、KalIllan滤波器、最小二乘法、有限冲激响应滤波器等等。它们对于平稳信号的分析是高效的，但在分析非平稳信号中有其局限性。当短路故障发生时，测量得到的信号将包含大量的暂态分量，其中有些分量为远大于50Hz的暂态分量。对这类信号迸行分析，提取其特征，开发新型的保护装嚣，是一个有希望的领域。本文提出一种利用小波变换提取信号特征进行分析，并结合神经网络来识别电力系统短路故障的新方法。该方法首先对测量信号作小波变换，提取特征量

6、，作为多层前向神经网络的输入；对不同的输出要求，提出采用不同的神经网络。判断出发生故障的相位、性质和位置。它集中小波理论和ANN(Ani6cial Neu翻Network)两者的优点，实现保护智能化，从而提高保护的选择性、灵敏性和可靠性，保证电网稳定，提高供电质量。适应电力系统市场化的要求。 12当前电力系统短路保护现状我国电力系统的保护技术经历了从上世纪60年代的晶体管继电保护到80年代的集成电路保护，再到90年代的计算机继电保护的发展过程。但由于电力系统的飞速发展对其保护技术不断提出新的要求，现有的保护装置表现出了它的不足，主要为对如经过渡电阻的短路等非线性信号故障相位、位黄、种类难以判别

7、，甚至造成保护装置误动作，降低系统可靠性。目前国内外的电力系统保护装置的保护原理是：基于对工频信号及稳态信号的分析计算，将故障产生的高频分量当作干扰滤除，对就地信号的幅值进行测量并做出是否动作的决策。这些都是适合于处理平稳信号的实用方法。电力系统故障的一个显著特征就是电流剧增，从力和热等方面损坏电气设备。熔断器保护和过电流保护就是反映电流剧增特征的最初保护原理。故障的另一特征就是电压锐减，相应的就有低电压保护，同时反映电压降低和电流增加的一种保护原理就是阻抗(距离)保护，它以阻抗的降低多少反映故障距离点的远近，决定保护动作与否：为了更确切地区分正常运行状况与故障(或异常)状态，可以利用正常运行

8、时没有或很少故障状态却有很大地电气量，如负序或零序电流、电压和功率进行判断；电力系统故障保护利用的不仅限于电气量，还有其他物理量，如变压器油箱内故障伴随产生的大量瓦斯和油流速的增大或油压强的增高。但它们普遍存在对非线性故障所产生的非平稳时变信号和突变信号识别困难甚至误识别的阅题。如探测高阻抗故障(低电流电弧故障)便是电力系统一个长期没有解决的问题，利用传统的过流保护装置简宜就不能探铡出来：并且有的故障包括有电弧，不能形成固定接地，以致电流很小，有时甚至完全没有电流，这样就导致故障会持续几小时甚至几天，在许多情况下，仅可以用过观察方可发现。这类故障信号时间上是不规则的，故障水平有几个周波可能相当

9、高，而在很多周波却降到正常的负载水平。这些突发性故障电流反复及不规则的发生，导致平均的RMS电流水平很低，一般的保护装置，即使被整定的足够低，也会受到上述不规则特性的影响而拒动。而大量的电能却源源不断地流向故障点。结果造成火灾、电击穿、人身事故、开关设备烧坏及其它装置的损坏。解决的办法就是改进保护原理，采用小波理论和神经网络理论处理故障信息，充分分析信号的时频特性，从而准确判断故障类型、相位及位置，从而提高保护的可靠性、灵敏性和实时性。今后的趋势是向计算机化，网络化，智能化及保护、控制、测量、通信一体化发展。13小波及神经网络的应用现状小波理论近几年发展较快，就其多分辨分析而言，本质上是二进小

10、波变换，但随着其推广应用，也表现出了不足。于是，Peter steen等提出了M带小波理论，它比二带小波具有更好的能量集中性；张健康等人提出的M带小波包理论，达到了小波包的全频带快速分解和实现：王东伟等人提出的基于Menllin变换分析非平稳震动信号的cwT快速算法，解决了原算法速度慢和尺度不宜太大的限制；此外还有小波变换并行算法、多分辨率分类矢量算法等等多种算法不断涌现，推动小波理论的进一步发展。小波分析在时域和频域上同时具有良好的局部化性质，能对不同的频率成份采用逐渐精细的采样步长，聚焦到信号的任意细节，这对于检测高频和低频信号以及信号的任意细节均很有效，特别适于分析奇异信号，并能分辨奇异

11、的大小。小波分析的许多应用都可以归结为信号处理问题，如信号分析、图像处理、计算机视觉、医学成像与诊断、无损检测、机械故障诊断等。现在的发展方向为大规模科学计算中的快速计算算法和实时处理。在电力系统中主要应用于：电力设备的状态监视和故障诊断，电力系统谐波分析，电力系统暂态分析，电力系统动态安全分析，抗电磁干扰，输电线路故障定位，电力系统短期负荷预测等。人工神经网络是模仿人脑神经系统，以简单计算处理单元为节点，采用某种网络拓扑结构构成的活动网络。其研究始于上世纪40年代，至今ANN的种类已达上百种，其中最著名的是R眦le|llhan提出的多层网络backpropagation法，即BP算法。随着研

12、究的发展，又推广到回归网络和自组织网络。BP网络为静态网络，准确性高，但收敛速度慢，易限于局部极小；回归网络动态性能好，描述非线性能力比BP网络强，学习速度也快。由于ANN的良好的自学习、自适应性和很强的鲁棒性、容错性和冗余性，不少学者已尝试将其应用于故障诊断、负荷预测、系统辨识等非线性智能控制系统中。现今研究的方向为提高ANN的准确性，寻找合理的学习算法、网络结构和如何投入实际工程。神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中取得了显著的成效，主要应用如下：1、自动控制领域神经网络方法已经覆盖了控制理论中的绝大多数问题，主要有系统建模与辨识、PID参数整定、极点配置、内模控制

13、、优化设计、预测控制、最优控制、自适应控制、滤波与预测容错控制、模糊控制和学习控制等。2、处理组合优化问题主要有最大匹配问题、装箱问题和作业调度等。3、模式识别已成功应用于手写字符、汽车牌照、指纹和声音识别，还可用于目标的自动识别和定位、机器人传感器的图像识别以及地震信号的鉴别等。4、图像处理对图像进行边缘监测、图像分割、图像压缩和图像恢复。5、传感器信号处理传感器输出非线性特性的矫正、传感器故障检测、滤波与除噪、环境影响因素的补偿，多传感器信息融合。6、机器人控制对机器入眼系统位置进行协调控制，用于机械手的故障诊断及排除、智能自适应移动机器人的导航。7、信号处理能分别对通讯、语音、心电和脑电

14、信号进行处理分类；可用于海底声纳信号的检测与分类，在反潜、扫雷等方面得到应用。另外，在地理交通、医疗卫生、金融和气象等方面亦有应用。另外，在地理交通、医疗卫生、金融和气象等方面亦有应用。神经网络在电力系统中的应用主要有：电力系统年、月、日的负荷预报；电力系统谐波预测；电机或发电厂控制；最优电力潮流分布；机组起停及机组最优组合；故障探测和诊断；动态和静态可靠性估计：母线和输电线路保护等。第二章电力系统故障分析及保护在实际生产应用中，由于自然条件(如雷击等)、制造质量、运行维护诸方面的因素，电力系统中各组成部分(如发电机、变压器、母线、输电线、电抗器、电容器、电动机等)发生短路故障或异常运行工况是

15、不可能完全避免的。因而如何采取有效措施，合理分析电力系统故障并进行及时的保护是保证电力系统运行安全可靠的重要保障。21短路分析211短路的起因及后果电力系统中多数故障的原因是相与相之间发生短路，在中性点直接接地的系统中，还有相与地之间的短路。发生短路时，短路电流可能达到很大的值：上万安甚至十几万安。这样大的电流所产生的热和力的作用会使电器设备遭受巨大的破坏。为了预防这种情况。电气设备必须有足够的机械强度和热稳定度，也就是说必须经得起最大可能短路电流的作用，而不致损坏。发生短路的主要原因是电气设备载流部分的绝缘损坏，如果预防性的绝缘试验没有进行，或者进行的不够仔细，则由于绝缘的自然老化就可能发生

16、这种情况。绝缘损坏还可能由于过电压(雷击等)和任何机械损伤(如掘沟时损伤电缆等)所引起。运行人员的误操作(如未拆地线就合闸，或者大负荷拉隔离闸刀等)也要引起故障。鸟兽跨越裸露的载流部分时。也会造成短路。当在由很多发电厂组成的电力系统中发生生短路时，其后果更为严重，由于短路造成电网电压大幅度下降，可能导致并列运行的发电机失去同步，或者导致电网枢纽点电压的崩溃，所有这些都有可能引起电力系统瓦解而造成大面积停电事故，这是最危险的后果。212短路的类型实践经验指出，电力系统在运行过程中，有可能发生各种故障和不正常运行情况。最常见的故障是各种类型的短路，其中包括三相短路、两相短路、两相接地短路、不同地点

17、的两相接地短路、单相接地短路(还有电机和变压器绕组的匝间短路)。发生故障后，系统各部分的参数(电压、电流以及它们之间的相位等)都将发生变化-因此，在选择保护方式、研究保护装置的原理、分析保护的动作性能以及整定计算时，都需要对故障和不正常运行情况进行具体分析和计算。213计算短路电流的目的l、作为选择电器设备(电器、母线、瓷瓶、电缆等)的依据电力系统中的电器设备在短路电流的力效应和热效应作用下，必须不受到损坏，以免扩大事故范围造成更大的损失。为此，在设计时必须校验所选择的电器设备的热稳定度和力稳定度，也就需要计算发生短路时流过电器设备的短路电流脚。2、继电保护的设计和调整电力系统中应配置什么样的

18、继电保护，以及这些保护装萋应如何整定，必须对电力网中发生各种短路情况进行计算和分析才能正确解决，在这些计算中不但要求出在故障支路中的短路电流数值，而且还要计算短路电流在网络各支路中的分布情况。3、接线图的比较和选择在设计电力网接线图时，往往会出现这种情况，一个供电可靠性高的接线圈，因为电的联系强，在发生短路时电流太大，以致必须选用昂贵的电器设备，而使所设计的。”浅图在经济上不合适，这时适当改变电路的接法或者增加限制短路电流的设备，就会得到既可靠又经济的接线图。所以评价和比较各种接线图时，计算短路电流是一项很重要的内容。在电厂扩建计划中增加新的机组时，对拟定的接线图也要进行短路电流计算，以便对新

19、装的和原有的电器设备进行热稳定度和力稳定度的校验。22继电保护与微机保护2.2.1继电保护原理及装置电力系统发生故障时，通常引起电流的增大，电压的降低，以及电流与电压相位角的变化，因此，应用于电力系统中的各种继电保护。绝大多数(除某些电机与电器的特殊保护外)都是以反映这些物理量的变化为基础，利用正常运行与故障时各物理量的差别来实现的。根据所反映的上述各种物理量的不同，便构成了各种原理不同的继电保护。如反映电流量改变的过电流保护；反映电压量改变的有低电压或过电压保护：既反映电流又反映电流与电压间相位角变化的有方向过电流保护：以及反映电压与电流的比值，即反映短路点到保护安装处之间的阻抗(z=uI，

20、)(或距离)的距离保护等。继电保护的种类虽然很多，但是在一般情况下，都是由三个基本部分组成的，即测量部分，逻辑部分和执行部分。测量部分的作用是，反映被保护设备工作状态(正常工作、非正常工作或故障状态)的一个或几个有关的物理量；逻辑部分的作用是，根据测量元件输出量的大小、性质、组合方式或出现次序，判断被保护设备的工作状态，以决定保护是否应该动作：执行部分的作用是，根据逻辑部分所做出的决定执行相应的保护任务(发出信号、跳闸或不动作)。继电保护装置做为继电保护的执行部件，通常都是由若干个继电器组成，一般继电器都是由感受元件、比较元件和执行元件构成的，继电保护装置要完成保护任务，应具备以下特点。l、选

21、择性当系统发生故障时，继电保护装置只将故障设备切除，使停电范围尽量缩小。保证无故障部分继续运行。保护装置这样动作就叫做有选择性。2、快速性故障的快速切除，可以提高系统中发电机并列运行的稳定性：可以减少用户在降低电压下工作的时间，加速恢复正常的过程；可以减轻电气设备的损坏程度；可以防止故障的扩展，提高自动重台闸动作的成功率。3、灵敏性保护装置的灵敏性(也叫灵敏度)，是指在它的保护范围内发生故障和不正常工作情况保护装置的反应能力。为使保护装簧在发生故障时起到保护作用，要求保护装置应当有较高的灵敏度。4、可靠性所谓保护装置的可靠性，就是在它的保护范围内发生属于它应该动作的故障时，不应该由于它本身有缺

22、陷而拒绝动作：而在发生其它任何不应该由它动作的情况下，则不应该误动作。222微机保护原理及装置所谓微机保护，就是把从现场采集到的故障信息送到计算机中通过相应的软件进行分析，根据计算机分析的结果来判断是否发生了故障，以其来决定是否给执行部件发送执行信息。而且，以微机保护为中心的外围元件，如AD、DA和蜘x等，也远比传统的继电器件精确。因而。微机保护有它自己的新的特点。在实际应用中，微机保护装置分为单CPU和多CpU的结构方式。在中、低压变电所多数简单的保护装置采用单cPu结构而在高压及超高压变电所中复杂保护装置广泛采用多CPU的结构方式。1、单cpu的结构原理及装置。单CPU的微机保护装置是指整

23、套微机保护共用一个单片机，无论是数据采集处理、开关量处理、人机接口及出口信号等均由个单片微机控制，如图l一2所示。单CPU结构的微机保护的基本原理如下：各交流分量经信号调理回路(隔离、滤波等)送MUX，模数转换后，在经DB数据总线送入RAM后，由CPU调用相应的程序进行处理，并作出判断。单cpu结构的微机保护结构简单，但容错能力不高，一旦cpu或某个插件工作不正常就影响到整个保护装置。2、多CPU的结构原理及装置 为提高微机保护的可靠性，目前高压及超高压变电所微机保护都已经采用多CPU的结构方式，就是在一套微机保护装置中，按功能配置有多个ePU模块，分别完成不同保护原理的多重主保护和后各保护及

24、人机接口等功能，多cPU的微机保护装置有效提高了保护装置的容错水平，舫止了一般性硬件损坏而闭锁整套保护。多cPu的结构是多重保护的综合实现，但就其中某一种保护而言，其保护原理及相应的硬件实现同单CPU情况基本相似，这里不再赘述。223微机保护装置的新特点微机保护装置同传统的继电保护装置相比较，具有以下一些新特点：1、维护调试方便过去大量使用的整流型或晶体管型继电保护的调试工作量很大，尤其是一些复杂的保护，调试一套保护往往需要一周时间，其原因是这类保护装置的各种保护元件均由硬件组成，每一种逻辑功能都由相应的硬件构成，逻辑越复杂，硬件就越多，试验也就越麻烦。而微机保护除了输入量的采集外，所有的计算

25、、逻辑判断都是由软件完成，成熟的软件一次性设计测试完好后，就不必在投产前逐项实验。而且微机保护对硬件和软件都有自检功能，装置上电后硬软件有故障会立即报警。所以说对微机保护装置只要在投运前作一次静态和动态调试就能试运行了。2、可靠性高微机保护的软件设计，考虑到电力系统中各种复杂的故障，具有很强的综合分析和判断能力，几乎就是一个专家智能系统。而常规保护装置，由于是各种器件组成，不可能做的很复杂，否则硬件就越多，本身出故障的概率就越大，可靠性自然降低了。另外微机保护装置的自检与巡检功能也大大提高了其可靠性。3、动作正确率高鉴于计算机软件计算的实时性特点，微机保护装置能保证在任何时刻均不断迅速的采样计

26、算，反复准确的校核。在电力系统发生故障的暂态期间，就能正确判断故障。如果故障发生了变化或进一步发展也能及对做出判断和自纠。如在保护延对动作或重合闸延时的过程中都能监视系统故障的变化，因此微机保护的动作正确率很高。4、易于获得各种附加功能由于计算机软件的特点，使得微机保护可以做到硬件和软件资源共享，在不增加任何硬件的情况下，只需增加一些软件就可以获得各种附加功能。例如在微机保护装置中，可以很方便的附加自动重合闸。故障录波。故障测距等自动装置的功能。5、保护性能容易得到改善出于计算机软件可方便改写的特点，保护的性能可以通过研究许多新的保护原理及算法来得到改善。而且许多现代新原理的算法，在常规保护中

27、是很难或根本不可能用硬件来实现的。6、使用灵活、方便目前微机保护装置的人机界面做的越来越好，也越来越简单方便，例如汉化界面。微机保护的查询。征订更改及运行方式变化等都十分灵活方便，受到现场工作人员的普遍欢迎。7、具有远程监控特性微机保护装置都具有串行通信功能，与变电所微机监控系统的通信联络使微机保护具有远程监控的特点并将微机与保护纳入变电所综合自动化系统。第三章小波分析基本原理小波分析(wavelct aIlalysis)是本世纪数学研究成果中杰出的代表之一。它作为数学学科的一个分支，汲取了现代分析学中诸如泛函分析、数值分析Fo“er分析、样条分析、调和分析等众多分支的精华。由于小波分析在理论

28、上的完美性以及在应用上的广泛性，在短短的几年中，受到了科学界、工程界的高度重视，并且在信号处理、图像处理、模式识别、量子场论、天体识别、地震预报、矿产勘测故障诊断、状态监视、机器视觉、CT成像、话音识别、数据电视、音乐、雷达、刑事侦破等十几个学科领域中得到(或将得到)广泛的应用。小波分析是一种时域频域分析，它在时域频域同时具有良好的局部化性质(10calizationnatu)。它可以根据信号不同的频率成份，在时域和空间域自动调节取样的疏密：频率高时，则密：频率低时，则疏。基于小波分析的这些优良特性，可以观察函数、信号、图像的任意细节，并加以分析。从而，小波分析在信号分析与重构、信号和噪声分离

29、技术、特征提取、数据压缩等工程应用上，显示出优越性，而这些正是100多年来大量应用于工程领域的Fourier变换所无法做到的。31小波的发展及其在电力系统中的应用1、小波的发展19lO年，数学家H町提出“小波”的规范正交基(normal onthogonal base)，即Harr基。1938年，Little wood-Paley提出二进频率分组(daydic frequency resolution)以及对Fourierer变换的相位变化本质上不影响函数的Lp理论。1975年，calderon提出再生公式(regeneration formula)。1981年，strombreg对Harr系

30、进行了改进，并证明了70年前提出的Harr小波的存在。1984年，法国地球物理学家Morlet把小波分析应用于地震预报的研究，在利用小波的局部化性质时，取得了满意的结果。随后，理论物理学家Grossman对Moflet的信号分解方法进行了理论研究，提出了伸缩和平移（dilatation aIldtranslation)特性。1986年。法国数学家Mayer创造性地构造出了一个具有一定衰减特性的光滑函数(smooth function)，它的二进制伸缩和平移系构成的规范正交基，实现了信号在时频空间同时局部化的正交分解。他为小波理论的形成和完善作出了重大贡献，是小波理论的奠基人之一。同年，Lema

31、rlie和Battle分别提出具有指数衰减(exponential attenuation)性质的小波函数。1987年，Mallat巧妙地将计算机视觉领域内的多分辨分析(multi一resolution analylsis)的思想引入到小波分析中小波函数的构成及信号按小波变换的分艉及重构，从而成功地统一了此前的各种具体小波函数的构造。同时，他还研究了小波变换的离散化问题，形成了著名的MalJat塔式算法。显著地减少了计算量，使小波分析具有明显的工程应用价值。1988年，另一位小波理论的奠基者、美国女数学家daubechies构造了具有紧支撑(compactly supponed)正交小波基，它

32、在数字信号的小波分解过程中提供更实际、更有效的数字滤波器。她的最大贡献还在于积极推动小波理论在工程中的应用，仅1990年一年中，她在美国作了lO次关于小波分析的讲座。从此，“小波热”就开始了，著迅速传播到世界各国。此后，中国学者崔锦泰和王建忠构造了基于样条函数的单正交小波函数，并讨论了具有最好局部化性质的尺度函数与小波函数。而wicherhanser等将Mallat算法进一步深化，提出小波包算法，取得了信号的最佳时频分解。2、小波在电力系统中的应用(1)电力设备的状态监视和故障诊断电力设备状态监视和故障诊断就是分解和处理电力系统基本设备在运行中产生的各种电磁、机械等物理信号，实时地判别其状态，

33、以期在故障初期或故障时发出警报。电力设备正常运行时发出的电磁信号较为平稳，一旦状态异常必然含有奇异。运用小波分析理论对所得的奇异电磁信号作多分辨分析(MRA)，将信号分解到不同的尺度上，每个尺度上的分量反映了原信号的不同频率成份，可以显示出故障信号，从而达到状态监视或故障诊断的目的。该法在电动机转子断条故障的诊断中已得到成功的应用。(2)电力系统谐波分析电力系统中发生故障时，伴随有高次谐波的产生：在高压直流输电系统中，换流站的交流侧和直流侧均产生高次谐波。为避免这些谐波的不良影响，有必要对其加以分析和抑制。小波分析将此类信号变换投影到不同的尺度上会明显地表现出这些高频、奇异高次谐波信号的特性，

34、特别是小波包具有将频率空间进一步细分的特性，将很好地为抑制高次谐波，提供可靠的依据。(3)电力系统暂态稳定当电力系统受到大扰动时，表征系统运行状态的各种电磁信号参数均会发生急剧变化和振荡。对这样一个突交、局部化的信号进行分析，小波分析无疑是一个很好的选择。小波分析捕捉和处理微弱突变信号的能力可用于基于微弱信号的电力系统暂态稳定预测研究上，其“局部细化与放大”特性，能辨别和追踪系统交量的微弱突变，进而推断出引起突变的局部故障时间和地点，提高电力系统暂态稳定预测的实时性和准确性。(4)电力系统动态安全分析当电力系统受到扰动时会造成系统电压波动，过低的电压会危及电力系统运行稳定性，严重时可能造成“电

35、压雪崩”。因此，研究电压的动态响应日趋重要。当系统受到扰动后，便产生电压突变信号。应用小波分析，将此突变信号分解到同尺度上，在这些不同尺度上再分别分析此突变信号的幅值和相位的大小，可判别电力系统动态安全运行状况。(5)神经网络和专家系统小波分析应用于神经网络和专家系统，主要体现了小波分析对奇异信号敏感和局部性质优良等特性。神经网络具有学习功能，它可对输入的数据通过自学习作出“智能”性质的判断。通过采样得到的描述电力系统运行行为的各种参数(如故障等奇异、局部化的信号)经小波分解，去掉一些不需要的成份(将与之相关的小波系数置为零)再经小波重构出需要信号，作为神经网络的输入；再者就是采用收敛性好的小

36、波系数作为神经网络分层结构问的联系纽带。这样处理后的神经网络具有迅速收敛性、强抗干扰性等优点。专家系统的推理机根据以往专家水平而形成的知识库来进行推理。小波分析主要体现在知识库的形成上，由于小波变换的模极大值点能描述一个信号的奇异性，这样，小波分析可将电力系统的某些典型信号加以特征提取，形成电力系统某方面的专家系统知识库；另外，通过存储小波变换的模极大值点和去掉奇异信号后剩余光滑信号的平均值，并通过M8llat塔式算法重构小波信号，可实现数据压缩，大大节约存储量，易于知识库的实现和维护，为推理机的快速、准确工作提供依据。(6)抗电磁干扰电力网产生的大量的电磁干扰信号。”对提取电力设备运行行为的

37、特征信号造成一定的困难。小波分析可将包含所需信号和电磁干扰信号的混合信号应用小波变换分解到不同的尺度上，将与干扰信号相联系的小波系数置为零(清除干扰信号)，再应用重构公式构造出所需的信号，也就实现了所需信号和干扰信号的分离，达到抗电磁干扰的目的。利用小波分析滤去信号中的白噪声已有了成功的应用。(7)输电线路故障定位电力系统可靠运行要求及时、准确地得知故障位置。现有的故障测距方法和故障定位仪已能实现这一功能，但对故障信号的处理还存在一些问题。如果通过故障录波得到电流、电压信号后，运用小波变换对此类具有奇异性、瞬时性的故障信号加以分解，在不同的尺度上明显地反映出故障信号，由此构造出距离函数(dis

38、tallce fIlnction)，进而推断出引起此突变信号的故障时间和地点，最终反映到故障距离上，达到故障定位的目的，这样将提高故障定位的精度。(8)电力系统短期负荷预测电力系统短期负荷预测是电力系统能够经济、可靠运行的前提。已有的各种预测方法主要有时间序列法、神经网络法等。电力负荷具有特殊的周期性，负荷以天、周、年为周期发生渡动，大周期中嵌套小周期。小波变换能将各种交织在一起的不同频率组成的混合信号分解成不同频带上的块信号，因此，对负荷序列进行小波变换可以将负荷序列分别投影到不同的尺度上。而各个尺度可近似地看作各个不同的“频带”，这样各个尺度上的子序列分别代表了原序列中不同“频域”的分量，

39、它们更加清楚地表现了负荷序列的周期性。在此基础上，对不同的子负荷序列分别进行预测。由于各个子序列的周期性更为明显，显然采用周期自回归模型(PAR)的预测结果也就更为精确。最后通过序列重构，得到完整的小时负荷预测结果，其精确性比直接用原负荷序列进行预测有较大改进。(9)高压直流输电系统对高压直流输电系统的桥臂短路、换相失败等故障的分析和检测仍可借助于小波分析对奇异、微弱、瞬时故障信号敏感的特性来实现。另外，小波分析在高压直流输电系统故障诊断、主设备状态监视、直流输电线路故障定位、抗电磁干扰等诸多方面有着同样重要的应用。32小波及小波变换定义31：函数y（t） (R)：若满足如下允许性条件(adm

40、issible condition)：其中，是y(t)的Fourier变换。上述条件等价于：是一个具有衰减性且在空问域和频率域是局部非零的紧支撑函数，它通过伸缩平移可以得到一组小波函数：为了区别，把前者称为基小波或母小波，后者称为子小波或子波。具有一定振荡性，它包含着某种频率特性。函数的振荡性随的减小面增大，因此，a是频率因子，而b显然是时间因子。当a、b连续变化时，上式为连续小波函数：当a、b离散时，上式为离散小波变换。在实际应用中，函数常常是紧支撑的或指数衰减的，也就是函数y(t)在时间和频率空间同时具有局部化的性质。由此可见，取定a、b，可得到相应的小波基函数，他们有不同的时间窗和频率窗

41、，并且，对于采样信号的高频段，时间窗自动缩小，以获得较高的频率和分辨率：对于信号的低频段，时间窗自动变大，以获得较好的时间分辨率。33小结小波分析发展至今在工程领域取得了广泛的应用，也形成了一套广泛实用的应用技术。可以预见。小波变换在电力系统故障信号分析中是大有作为的；目前，国内学者已将信号的分解和重构技术应用于电力系统的负荷预测和谐波处理，已将信噪分离技术和特征提取方法应用到异步电动机转子断条故障的检测中。通过借鉴其它领域的成果和经验，我们可以期望小波分析将在电力系统领域取得突破性的进展。但满足式容许性条件的小波函数是非常多的，同样的信号利用不同的小波函数进行变换处理其效果大不相同，因此应根

42、据分析的对象和目的采用合适的小波函数，这也是小波变换的难点和重要研究方向。第四章人工神经网络41神经网络的发展、典型结构及特点1、神经网络的发展神经网络最早的研究是20世纪40年代心理学家Mcculloch和数学家Pitts合作提出的，他们提出的MP模型拉开了神经网络研究的序幕。神经网络的发展大致经过三个阶段：19471969年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB学习规则和感知器等；19701986年为过渡期，这个期问神经网络研究经过了一个低潮，继续发展。在此期间，科学家们做了大量的工作，如HoDfield教授对网络引入能量函数的概念，给出了网络的稳定性

43、判据，提出了用于联想泡忆和优化计算豹途径。1984年，Hiton教授提出Boltzman机模型。1986年Kumelhart等人提出误差反向传播神经网络，简称BP网络。目前，BP网络已成为广泛使用的网络。1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮。2、典型的神经网络结构在神经网络的控制领域应用中。各种模型嘶1层出不穷，但总的来说，大致可以归结为以下几类：(1) 前馈式网络该种网络结构是分层排列的，每一层的神经元输出只和下一层神经元相连。这种网络结构特别适用于BP算法，如今已得到了非常广泛的应用。(2)输出反馈的前馈式网络该种网络结构

44、与前馈式网络的不同之处在于这种网络存在着一个从输出层到输入层的反馈回路。该种结构适用于顺序型的模式识别问题，如Fukushima所提出的网络模型结构。(3)前馈式内层互连网络该种网络结构中，同一层之间存在着相互关联，神经元之间有相互制约的关系，但从层与层之问的关系来看还是前馈式的网络结构。许多自组织神经网络大多具有这种结构，如ART网络等。(4)反馈型全互连网络在该种网络中，每个神经元的输出都和其它神经元相连，从而形成了动态的反馈关系，如Hopfield网络。该种网络结构具有关于能量函数的自寻优能力，正是作者近年-束研究工作中所采用的主要网络类型。(5)反馈型局部互连网络该种网络中，每个神经元

45、只和其周围若干层的神经元发生互连关系，形成局部反馈，从整体上看是一种网格状结构，如LoChua的细胞神经网络。该种网络特别适合于图像信息的加工和处理，在控制中的应用尚未见报导。3、人工神经网络特点(1)非线性映射逼近能力已有理论证明。任意的连续非线性函数映射关系都可由某一多层神经网络以任意精度加以逼近。这种组成单元简单、结构有序的模型是非线性系统建模的有效框架模型，预示着神经网络在具有挑战性的非线性控制领域有很好的应用前景随。(2)对信息的并行分布式综合优化处理能力神经网络的大规模互连网络结构，使其能很快地并行实现全局性的实时信息处理，并很好地协调多种输入信息之问的关系，兼容定性和定量信息，这

46、是传统的串联工作方式所无法达到的效果，非常适合于系统控制中的大规模实时计算。同时，某些神经网络模型本身就具有自动搜寻能量函数极值点的功能。这种优化计算能力在自适应控制设计中是十分有用的。(3)高强的容错能力神经网络的并行处理机制及冗余结构特性使其具有较强的容错特性，提高了信息处理的可靠性和鲁棒性。(4)对学习结果的泛化和自适应能力经过适当训练的神经网络具有潜在的自适应模式匹配功能，能对所学信息加以分布式存储和泛化，这是其智能特性的重要体现。(5)便于集成实现和计算模拟神经网络结构上是相同神经元的大规模组合，所以特别适合用大规模集成电路实现，也适合用现有计算技术进行模拟实现。但现有的计算机运算方

47、式与神经网络所要求的并行运算和分布存储方式是截然不同的，故两者在运算时间上存在显著差异。以上主要特征适应了控制理论和控制工程领域发展的基本要求，能解决其中所遇到的问题，因此，必然使神经网络在该领域获得广泛应用。对于被控系统模型参数的不确定性变化以及模型结构本身的扰动问题，神经网络所具有的学习和自适应能力使其能够实时地模拟被控对象的特性变化，同时，即使当被控对象输出与模型输出存在一定浞差时，其容错特性也会使控制系统具有一定的鲁棒性能；另外，神经网络的标准结构和模拟精度为解决非线性系统的自适应控制问题提供了一种标准框架；同时，作为一种本质的分布式并行信息处理系统，为被控系统的分布式信息处理和综合提

48、供了一种有效的融合处理途径。当然，在具体应用时，神经网络结构和参数的选择、学习样本的选取、初值的设定、学习算法的收敛性及多信息的融合等也是必须考虑的问题，并且，它们往往与所要解决的实际问题相关，使其解决有了一定的难度。42小结神经网络用于控制时还有许多问题值得研究：现行的学习算法收敛速度低，存在局部最优问题；分布式并行处理方式的网络内部机理并不清楚，选择网络层数、每层神经元个数，还得凭经验；泛化能力不足，制约了控制系统的鲁棒性；需要创造更适合于拄制的专用神经网络；网络建立模算法和控制系统的收敛性与稳定性需进一步研究；神经网络算法能否达到全局收敛及收敛速度快慢，与算法及算法参数的选取有直接关系，而目前，绝大多数算法不能给出参数选定公式。当然，随着研究的深入，神经网络的应用领域将不断扩大，在未来的几年中有望在一些领域取得更大的成功，特