劉毅

摘 要：動車組過分相區(qū)故障識別與繼電保護(hù)具有一定的難度，在研究分析中很難建立準(zhǔn)確的數(shù)學(xué)模型，BP算法是動車組過分相區(qū)故障識別中的重要技術(shù)，可以快速識別出動車組過分相區(qū)中存在的故障問題，滿足了動車組的安全運(yùn)行要求。為了保證動車組運(yùn)行安全，文章就動車組過分相區(qū)故障識別與繼電保護(hù)兩方面內(nèi)容進(jìn)行了研究。

關(guān)鍵詞：動車組；過分相區(qū)；故障識別；繼電保護(hù)

1 動車組過分相區(qū)故障識別中的人工神經(jīng)網(wǎng)絡(luò)BP算法概述

1.1 基于人工神經(jīng)網(wǎng)絡(luò)的BP算法

動車組過分相區(qū)發(fā)生運(yùn)行故障會影響動車組的安全運(yùn)行狀況，為了對動車組過分相區(qū)中存在的故障有一個清晰的認(rèn)識，文章利用智能控制領(lǐng)域內(nèi)的BP算法對動車組過分相區(qū)以及分相區(qū)的中性線出現(xiàn)接地故障時其狀態(tài)進(jìn)行了全方位的智能識別，利用這種方式能夠快速排除動車組運(yùn)行故障，同時還能夠使繼電保護(hù)裝置快速動作，為動車組運(yùn)行提供保護(hù)。

人工神經(jīng)網(wǎng)絡(luò)克服了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)方法對語音識別、模式以及分結(jié)構(gòu)化信息處理等方面的局限，該算法具有較強(qiáng)的非線性適應(yīng)性信息處理能力，基于人工神經(jīng)網(wǎng)絡(luò)的功能性，使之在模式識別、人工神經(jīng)專家系統(tǒng)以及智能控制等多個領(lǐng)域廣泛應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)中包含了多種算法，基本上都具有故障識別的作用，但是不同的算法所產(chǎn)生的作用力也是不同的，基于人工神經(jīng)網(wǎng)絡(luò)的BP算法較為常用，利用該種診斷技術(shù)，在故障識別過程中無需建立精確的數(shù)學(xué)模型，它能夠解決其他常規(guī)算法所不能解決的故障診斷，對動車組過分相區(qū)故障識別具有重要意義。

1.2 基于人工神經(jīng)網(wǎng)絡(luò)BP算法的優(yōu)勢與缺陷分析

人工神經(jīng)網(wǎng)絡(luò)BP算法是目前解決動車組故障診斷的創(chuàng)新途徑，其在動車組過分相區(qū)故障識別中的廣泛應(yīng)用是由其本身的功能性決定的。其優(yōu)勢主要表現(xiàn)在兩方面，一方面只要具備足夠的隱節(jié)點(diǎn)以及隱含層，人工神經(jīng)網(wǎng)絡(luò)BP就可以隨意的逼近非線性映射關(guān)系，具有一定的隨意性，另一方面人工神經(jīng)網(wǎng)絡(luò)BP屬于一種全局逼近的方式，具有較好的泛化能力，BP網(wǎng)絡(luò)可以實(shí)現(xiàn)輸入與輸出的非線性映射關(guān)系，在此過程中其不依賴模型，即使人工神經(jīng)網(wǎng)絡(luò)中有個別神經(jīng)元損壞，雖對輸入輸出有影響，但影響相對較小，由此可見人工神經(jīng)網(wǎng)絡(luò)BP算法具有良好的容錯能力。然而人工神經(jīng)網(wǎng)絡(luò)BP算法也存在一定的局限性，其在應(yīng)用中收斂速度較為緩慢，隱含層與隱節(jié)點(diǎn)的實(shí)際數(shù)目難以準(zhǔn)確定位。

2 人工神經(jīng)網(wǎng)絡(luò)BP算法下的動車組過分相區(qū)故障識別仿真分析

人工神經(jīng)網(wǎng)絡(luò)BP算法在動車組過分相區(qū)故障識別中的應(yīng)用大致可以分為四個步驟，第一，利用該種算法對動車組過分相區(qū)進(jìn)行故障識別與診斷，獲取動車組過分相區(qū)與未過分相區(qū)中各種狀態(tài)下的仿真數(shù)據(jù)，為故障診斷與故障識別提供有效依據(jù)。第二，對動車組過分相區(qū)與未過分相區(qū)故障識別仿真實(shí)驗(yàn)中的各個參數(shù)值進(jìn)行有效提取，并根據(jù)這些參數(shù)值對動車組過分相區(qū)中存在的故障問題進(jìn)行全面分析。第三，以輸入的數(shù)據(jù)特點(diǎn)以及系統(tǒng)所需數(shù)據(jù)輸出要求為依據(jù)，從而確定輸入與輸出層的節(jié)點(diǎn)數(shù)以及隱含層的節(jié)點(diǎn)數(shù)。第四，將需要處理的矢量參數(shù)以及信息數(shù)據(jù)輸入到網(wǎng)絡(luò)系統(tǒng)中，而后進(jìn)行一系列訓(xùn)練，訓(xùn)練成功之后再將預(yù)先設(shè)定的訓(xùn)練結(jié)果以及信號進(jìn)行比較驗(yàn)證。在動車組過分相區(qū)故障識別仿真實(shí)驗(yàn)中若隱含層節(jié)點(diǎn)數(shù)過多，會導(dǎo)致識別時間過長，不能在短時間內(nèi)對動車組運(yùn)行故障進(jìn)行判斷，會影響動車組的整體運(yùn)行狀況，而隱含層節(jié)點(diǎn)數(shù)太少則容錯性較差，識別樣本能力也相對較低，因此在仿真實(shí)驗(yàn)中要綜合考慮各種因素的影響，在仿真實(shí)驗(yàn)中要想得到準(zhǔn)確的結(jié)果，需要對系統(tǒng)中的各個變量進(jìn)行反復(fù)訓(xùn)練，同時還要對其進(jìn)行收斂，在利用人工神經(jīng)網(wǎng)絡(luò)BP算法計(jì)算時若實(shí)際計(jì)算中能夠得到和與其相近的值，那么就表明動車組過分相區(qū)的運(yùn)行狀態(tài)被識別。

在仿真實(shí)驗(yàn)中將正饋線電壓、接觸線電壓、暫態(tài)過程一的暫態(tài)過電壓、暫態(tài)過程一的暫態(tài)過電壓、暫態(tài)過程三的暫態(tài)過電灰、暫態(tài)過程四的暫態(tài)過電壓，將這六個變量輸入到系統(tǒng)中，將線路所呈現(xiàn)的六種狀態(tài)作為輸出，在利用人工神經(jīng)網(wǎng)絡(luò)BP算法進(jìn)行方針數(shù)據(jù)處理以及狀態(tài)識別時，諸多BP神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)?zāi)Ｐ突旧隙际且許形函數(shù)作為實(shí)驗(yàn)中的轉(zhuǎn)換函數(shù)，將函數(shù)的值域定義為[0，1]，那么在訓(xùn)練過程中就要將原始數(shù)據(jù)合理規(guī)范到[0，1]區(qū)間內(nèi)，而后再統(tǒng)一利用標(biāo)準(zhǔn)歸一化方式來實(shí)現(xiàn)。將六種線路的狀態(tài)相關(guān)數(shù)據(jù)進(jìn)行歸一化處理，即將狀態(tài)數(shù)據(jù)處理在0～1以內(nèi)。在仿真實(shí)驗(yàn)中要利用人工神經(jīng)網(wǎng)絡(luò)BP算法對動車組過分相區(qū)進(jìn)行智能化故障識別，并保證故障識別的準(zhǔn)確性，就要對歸一化數(shù)據(jù)進(jìn)行大量并反復(fù)訓(xùn)練，通過大量及反復(fù)訓(xùn)練得到的誤差曲線結(jié)果是快速的，收斂的，能夠?yàn)閯榆嚱M過分相區(qū)故障識別利用精確數(shù)據(jù)。

3 動車組過分相區(qū)繼電保護(hù)研究

動車組過分相區(qū)中的繼電保護(hù)可以分為三種保護(hù)模式，分別是線路保護(hù)、分相區(qū)保護(hù)以及合閘過電壓保護(hù)，這三種保護(hù)方式對動車組過分相區(qū)的安全與穩(wěn)定運(yùn)行都有一定的保護(hù)作用，但是三者的保護(hù)方式有所區(qū)別，以下是對這三種保護(hù)模式的具體分析：

3.1 線路保護(hù)

線路保護(hù)為了改善功率因數(shù)，機(jī)車上還設(shè)置有三次與五次諧波的濾波電路，為使諧波含量系數(shù)能夠準(zhǔn)確反映高次諧振狀況，通過高次諧振狀況可以對線路保護(hù)中的電阻繼電器動作進(jìn)行判定，電阻繼電器動作方程式為：

XZD，RZD分別是指電阻與電抗整定值。線路保護(hù)在對動車組過分相區(qū)實(shí)施保護(hù)動作時，為了避免動車組過分相區(qū)出現(xiàn)保護(hù)誤動的狀況，那么需要利用二次諧波進(jìn)行閉鎖操作。線路保護(hù)動作應(yīng)根據(jù)動車組過分相區(qū)實(shí)際情況來選擇，高次諧波抑制式電流增量保護(hù)也是線路保護(hù)中的一種，對動車組相區(qū)也有一定的保護(hù)作用。

3.2 分相區(qū)保護(hù)

分相區(qū)保護(hù)設(shè)置與線路保護(hù)設(shè)置相比相對較為復(fù)雜，在動車組運(yùn)行過程中利用分相區(qū)保護(hù)方式可以在動車組分相區(qū)中性線位置設(shè)置RC保護(hù)與RL保護(hù)，其中RL保護(hù)能夠被開關(guān)控制，利用這兩種保護(hù)方式基本上可以解決動車組特定機(jī)型的暫態(tài)過電壓問題，然而目前很多型號的動車組機(jī)車在牽引網(wǎng)中運(yùn)行，RL與RC保護(hù)方式具有一定局限性，在這種運(yùn)行條件下常出現(xiàn)的問題是過電壓與過電流問題，針對這兩種問題可以采取電壓增量保護(hù)與電流速斷保護(hù)的方式。

3.3 合閘過電壓保護(hù)

動車組過分相區(qū)發(fā)生故障之后，需要在分區(qū)亭處先進(jìn)行合閘操作，而后再牽引變電所進(jìn)行再合閘操作，故障時合閘的主要目的是為了檢驗(yàn)動車組故障屬于暫態(tài)性故障還是永久性故障。動車組中的短路故障屬于暫態(tài)故障，而短線故障則屬于永久性故障，暫態(tài)故障發(fā)生后所產(chǎn)生的暫態(tài)過電壓會在60ms之后穩(wěn)定在正饋線與界線中，而永久性故障則會穩(wěn)定在一個新電壓狀態(tài)下，為動車組過分相區(qū)運(yùn)行提供一個良好的狀態(tài)。

4 結(jié)束語

綜上所述，動車組過分相區(qū)運(yùn)行環(huán)境具有一定的復(fù)雜性，在運(yùn)行中常發(fā)生一系列的故障，這些故障或多或少都會對動車組的正常運(yùn)行造成影響，因此對動車組進(jìn)行故障識別，并采取繼電保護(hù)尤為必要。基于人工神經(jīng)網(wǎng)絡(luò)的BP算法是現(xiàn)今動車組過分相區(qū)故障識別中的一種新方法，可以在不建立模型的情況下進(jìn)行故障診斷識別，快速查出故障原因，并根據(jù)實(shí)際情況采取相應(yīng)的保護(hù)措施，為動車組過分相區(qū)運(yùn)行提供安全保障。

參考文獻(xiàn)

[1]董菲.基于BP算法的AT牽引供電系統(tǒng)狀態(tài)識別[J].電氣化鐵道，2011，12 （6）：4-7.

[2]成海燕.高速鐵路牽引網(wǎng)分相區(qū)的繼電保護(hù)原理研究[D].大連交通大學(xué)，2012，6（13）：1-43.