第四层。根据结果参数计算规则输出

这一层中的每个节点都是自适应节点，并且在这一层中输出的参数被调整。这个输出通常是输入的线性函数。该层中每个节点的输出只是PRO。归一化射击强度和一阶多项式的管道。因此，这一层的输出由

第五层。第4层的所有输入之和

只有一个固定节点被∑标记。此节点执行所有传入信号的求和。因此，该模型的总体输出为

Oi⁵  = ∑ yi = ∑wi fi  = ( w1 x1 )p1 + (w1 x2 )q1 + w1 r1 + (w2  x2 )p2 + (w2 x2 )q2 + w2  r2 . (6)

i i

在这最后一层中，可以用最小二乘算法求解最后一层的参数。让我们将最后一个方程重新排列成一个更有用的形式：

当输入输出训练模式存在时，可以用回归技术求解由后续参数组成的权向量(W)。

4.绩效评价

4.1电力系统模型

本研究的电力系统配置为1000 kV线路，360公里，如图2所示。采用分布式参数模型对架空线路进行建模。

所提出的故障定位算法只需要架空线路发送端的三相电流和电压。利用matlab对该系统进行了仿真，为系统的输入提供了依据。GA-ANFIS。

4.2故障段检测

在不同初始角和故障电阻下研究系统各部分不同的地点不同的故障类型进行训练和故障区段的ANFIS检测。

全文免费下载基于GA-ANFIS的特高压线路故障定位技术.docx

基于GA-ANFIS的特高压线路故障定位技术

外文出处：《Archives of Electrical Engineering》 , 2014 , 63 (2) :247-262

作者：G Banu ， S Suja

摘要：提出了一种利用GA-ANFIS对特高压架空输电线路故障进行定位和识别的改进方法。该方法利用单端数据进行故障识别。地点。ANFIS既可以看作是一个模糊系统，也可以看作是一个神经网络，也可以看作是一个模糊神经网络。神经技术与神经网络技术的结合增强了模糊逻辑系统的学习能力。提出了在不同故障条件下对特高压系统进行分析的方法。分析了两台控制器在故障定位中的性能变化.。本文分析了DIF下的各种故障。利用Matlab/SIMULINK在特高压系统中的应用条件。该方法是在故障起始角、故障电阻和故障距离等不同故障条件下进行的。模拟RES结果表明，该方法可有效地实现输电线路故障的准确定位。

关键词：GA-ANFIS，故障定位，故障电阻，一端数据，特高压线路

1. 介绍

在电力系统中，输配电线路是实现从发电厂到终端用户服务连续性的关键环节。跨任务线路的保护系统是电力系统中最重要的组成部分之一。在任何保护方案中，故障定位都是不可忽视的特征.

输电线路故障的准确定位是多年来一直关注的课题。这种活动的主要原因是准确的故障定位可以减少所需的时间。为客户恢复服务。因此，需要非常高的精度，而这是传统技术无法达到的；因为电力系统和故障的存在差异很大。在实际中发生的ONS，而这些反过来又会对传统的故障定位技术所能达到的精度有很大的影响。故障定位是最重要的问题之一。蚂蚁功能，帮助电力工程师发现故障点，然后尽快恢复。输电线路保护的基本原理是许多年前发展起来的[1-2]。其中一些方法，如用一阶或二阶差分方程表示传输线，以及行波技术已经产生了一些商业发展。然而，这两种方法都是基于对系统定义良好的保护模型的确定性计算。d.。这导致难以考虑到系统的变化，因为规则是固定的。他们没有能力动态地适应系统的运行条件，并做出正确的决定。如果信号不确定的话。

在[3-5]中，提出了在线路两端采用测量的两端故障定位技术。提出了不同步的测量方法来估计故障位置和来自线路不同终端的测量数据之间的同步角度。提出了一种基于神经网络的中压驾驶室故障分类与定位方法[6]。

近年来，人工神经网络(ANN)、模糊推理系统(FIS)和ANFIS(ANFIS)等智能软计算技术可以对人类知识特征的优越性进行建模。他们也是在没有充分分析的情况下建立了这个过程。因此，这些技术在一个缺乏简单和明确的数学模式的环境中引起了极大的关注。

基于模糊推理系统(FIS)的故障定位技术在提高故障定位精度方面具有潜在的优势。这是因为HAT Fiss具有非线性映射能力。模糊推理系统可以发现输电线路电压、电流样本与故障位置之间的密切关系。。

因此，FIS非常适合于在各种不同的系统和故障条件下提供高精度的故障定位。然而，模糊推理系统可以是只有当模糊系统的参数，如隶属函数参数和规则参数得到很好的调整时，才有用。

文中提出了一种基于自适应网络的模糊系统参数选择方法。在该方法中，采用自适应方法求出模糊系统的最佳参数。许多研究者研究了神经网络在克服大部分问题方面的应用.

模糊集合论也用于求解不确定性问题[8-12]。由于神经网络的主要局限性，神经网络在应用中的应用非常稀疏。电力系统暂态运行由于人工显式知识受许多未知参数的影响，很难用人工显式知识来描述。将神经网络集成到模糊逻辑系统中，使得李尔成为可能。n来自先前获得的数据集。

提出了一种新的基于自适应网络的模糊故障定位算法(ANFIS)，该算法适用于既有传输线又有地下电缆的网络。它使用f根据公里距离计算故障测距时三相电流和中性电流的非损伤频率作为输入。

利用神经网络改进了模糊推理系统的操作，提出了一种基于神经网络和模糊最近邻决策规则WA相结合的方法。用于输电线路故障检测和分类。[15]提出了一种基于ANFIS的低阻抗故障和高阻抗故障的故障检测与分类算法。该算法能够检测和分类传输端的故障类型。基于相电流和零序电流的均方根值在线。

提出了一种基于GA-ANFIS的特高压输电线路故障准确定位算法。GA-ANFIS技术是在输电线路上进行故障定位.。这个系统使用MATLAB 2011 b进行仿真。利用六个输入对ANFIS进行训练，对故障类型进行分类，检测故障段，并准确定位组合线路各部分的故障。T型在不同的故障位置、不同的故障起始角和不同的故障电阻等故障条件下，对该方法进行了测试。仿真结果证实了该方法的有效性。该新算法具有高精度和高精度的特点。

2.GA---执行

利用MATLAB软件实现了ANFIS的遗传算法。遗传算法中的每个染色体由53个代表ANFIS参数的基因组成。这些基因包括3个INP基因。UT标度因子，1基因输出标度因子，42个基因作为ANFIS-结构的前提参数。每个输入变量的语篇宇宙(Udd)被选择为-6到6。请记住，由于有输入和输出缩放因子，所以可以使用其他范围。本文使用了四个实数编码的遗传算法算子。这些运算符包括混合选择，精英主义，交叉和变异算子，这是轮盘赌轮和确定性选择的结合。训练ANFIS寻找t的实数编码遗传算法故障定位是：

第一步。初始化交叉概率(P)、变异概率(P)、种群大小和最大世代数。

步骤2。在一定范围内随机生成染色体的初始种群。这些染色体每一个都代表整个前提和随后的参数，以及输入和输出。ANFIS控制器的缩放因子。(这是

GA ANFIS图)

第三步。使用误差积分平方(ISE)准则评估群体中每条染色体的目标函数，其形式如下：

第四步。将当前种群中的所有染色体按降序排列(即第一条染色体是最合适的)。然后应用前面描述的精英策略。

第五步。使用混合选择方法从当前种群中选择两个个体，然后应用前面描述的实数编码交叉和变异算子生成两个ne。

第六步。将产生的两条染色体放入新的群体中。

第七步。重复步骤5，直到新种群中的所有染色体都生成，即直到新的群体大小与初始种群大小相等。

第八步。用新的人口取代最初的人口。

第九步。如果达到最大世代数，而最后一代的第一染色体是遗传算法找到的最优控制器，则停止，否则增加基因配给计数器。然后进入第三步。

3.基于自适应网络的模糊推理系统

3.1ANFIS体系结构

ANFIS是一种模糊综合模型，通过人工神经网络训练优化最终的模糊推理系统。ANFIS利用混合学习规则对模糊系统pa进行优化。一阶Sugeno系统的面积表，可以用图1进行图形表示.。它通过输入成员函数和相关的分段表，然后通过输出成员h映射输入。输出的IP函数。对模糊推理系统的初始隶属函数和规则可以运用人力前经验对目标系统进行建模设计。

为了提高训练效率，消除局部极小可能产生的陷阱，采用混合学习算法对隶属函数的参数进行了整定。这是一个梯度下降法与最小二乘估计的结合。在前向传递过程中，节点的输出一直向前推进，直到输出隶属函数层，在该层中，相应的参数。是用最小二乘估计来识别的。反向传递采用反向传播梯度下降方法，根据向后传播的误差信号更新前提参数。

对于一阶Sugeno模糊模型，具有两个模糊IF-规则的典型规则集可以表示为：

Rule 1. If x1 is A1 and x2 is B1, then y1 = p1x1 + q1x2 + r1, Rule 2. If x1 is A2 and x2 is B2, then y2 = p2x1 + q2x2 + r2,

其中，A1，A2，B1，B2被称为前提参数。[ PI，齐，RI ]被称为后续参数，i = 1, 2。

第n条规则的后续参数(p、q和r)通过形式的一阶多项式贡献：

其中xn是输入，yn是由模糊规则指定的模糊区域内的输出，pn、qn和rn是在学习过程中确定的设计参数。

3.2ANFIS混合训练规则

ANFIS构建了一个模糊推理系统(FIS)，其隶属函数参数仅使用反向传播算法或与最小二乘类型o相结合进行调整(调整)。F方法。ANFIS比模糊推理要复杂得多茎，并且不是所有的模糊推理系统的选项可用。具体来说，ANFIS只支持Sugeno类型的系统，这些系统必须具有以下属性：

是一阶或零阶Sugeno型系统。

有一个单一的输出，得到的加权平均去模糊化。所有输出函数都必须是同类型的，要么是线性的，要么是常数的.

没有分享规则。不同的规则不能共享相同的输出成员函数，即输出成员函数的数量必须等于规则的数量。

对每条规则都要有统一的权重。ANFIS体系结构由五个层组成，每个层中的节点输出由Oli表示。

其中，我是l层的第一个节点。下面是一个一层层的两输入两规则一阶Sugeno系统的描述.。等价的ANFIS体系结构如图1所示。同一层中的阳离子属于相同的功能族，如下所述

图1.ANFIS结构

第一层。生成成员等级

该层中的每个节点都是一个自适应节点。这一层的输出为输入的模糊级，由

其中O1i是μAI(X)的隶属函数，A是与该节点相关联的语言标签。在此层中，调整每个MF的参数。

第二层。产生发射强度

这些节点是以π表示的固定节点，表明它们作为一个简单的多路复线器执行。该层中的每个节点通过乘以输入信号来计算每个规则的发射强度。然后把产品送出去。该层的输出可以表示为

第三层。正规化射击强度

这些节点也是固定的节点。它们被标记为N，表明它们对前一层的发射强度起着正规化作用。这层的第一个节点使大鼠生长。第一次规则的射击强度之和为所有规则的射击强度之和：

打印本页 | 关闭窗口
上一篇文章：电缆架空线混合线路故障测距方法设计任务书	下一篇文章：电缆架空线混合线路故障测距方法设计文献综述

本类最新文章

自动水果采摘机：机器人苹果收割机 …	评估AlSiTiN和AlSiCr …	基于人工智能的智能语音识别系统设 …
大数据舆情分析系统的设计与实现 …	“上帝的归上帝，凯撒的归凯撒”： …	平板单元（Mindlin板）的热 …