基于FNN的輸電線路絕緣子污穢預(yù)警系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著我國社會主義現(xiàn)代化建設(shè)經(jīng)濟(jì)的發(fā)展，輸電線路容量的增加和額定電壓等級的提高，加之周圍環(huán)境的變化無常以及空氣質(zhì)量的惡化，輸電線路運(yùn)行安全可靠性面臨嚴(yán)峻的挑戰(zhàn)，污閃事故發(fā)生頻率越來越高，由污閃事故造成的直接經(jīng)濟(jì)損失也越來越大，防止污閃事故發(fā)生變得刻不容緩。
　　 本文首先對絕緣子污閃過程進(jìn)行了研究和分析，提出了當(dāng)前電力系統(tǒng)一些有效防污措施，在研讀大量的國內(nèi)外相關(guān)參考文獻(xiàn)后，指出了目前采用的單值評判模型具有很大的局限性，在此基礎(chǔ)上提

2、出一種新的基于模糊推理系統(tǒng)(FuzzyInference Systems，縮寫FIS)絕緣子污穢評判模型，該模型克服了單一值評判模型的缺點(diǎn)，以大氣環(huán)境特征量（環(huán)境相對濕度和環(huán)境溫度）和電氣特征量（泄漏電流有效值、泄漏電流峰值和各峰值段脈沖頻）作為模型的輸入，并在MATLAB中進(jìn)行系統(tǒng)仿真，驗(yàn)證了該模型的準(zhǔn)確性和可行性。
　　 建立FIS的前提需要模糊規(guī)則庫，這些模糊規(guī)則是由專家經(jīng)驗(yàn)知識的總結(jié)得來，這就降低了FIS的靈活性，為了克

3、服這一缺陷，本文提出了基于人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，縮寫ANN)的絕緣子污穢預(yù)警模型，該模型具有強(qiáng)容錯性和自適應(yīng)能力，并在MATLAB中對該模型進(jìn)行了仿真。
　　 通過比較FIS和ANN，本文提出基于模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network，縮寫FNN)的輸電線路絕緣子污穢預(yù)測新方法，該方法是FIS和ANN兩者的結(jié)合，實(shí)現(xiàn)兩者的優(yōu)勢互補(bǔ)，減少了專家經(jīng)驗(yàn)知識積累，提高了絕緣子污

4、穢的監(jiān)測準(zhǔn)確度，為電力系統(tǒng)安全可靠運(yùn)行提供了保障。
　　 在FNN的學(xué)習(xí)算法方面，本文采用了附加動量法、自適應(yīng)學(xué)習(xí)速率法來克服BP學(xué)習(xí)算法中收斂速度慢、陷入局部極值等缺陷，并巧妙地結(jié)合兩種算法，實(shí)現(xiàn)優(yōu)勢互補(bǔ)。在MATLAB中對以上三種改進(jìn)算法進(jìn)行仿真，并與標(biāo)準(zhǔn)BP學(xué)習(xí)算法進(jìn)行比較，結(jié)果表明結(jié)合算法有很大優(yōu)勢。由于FNN知識獲取是通過訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)得到的，與FIS相比，評價結(jié)果更具有客觀性和準(zhǔn)確性。
　　 最后，分別運(yùn)用