徐衛(wèi)東，彭 丹，陳云龍，刁慶憲

（1.廣東工業(yè)大學(xué)自動化學(xué)院，廣東 廣州 510006；

2.廣東紫光電氣有限公司，廣東，東莞 523000）

神經(jīng)網(wǎng)絡(luò)在低壓脫扣裝置選擇上的應(yīng)用

徐衛(wèi)東1，彭 丹1，陳云龍1，刁慶憲2

（1.廣東工業(yè)大學(xué)自動化學(xué)院，廣東 廣州 510006；

2.廣東紫光電氣有限公司，廣東，東莞 523000）

低壓脫扣裝置應(yīng)用于環(huán)境復(fù)雜的場合，選型不當易使得電力事故頻發(fā)，不利于電力系統(tǒng)的可靠運行。通過分析影響低壓脫扣選擇的因素，利用Back Propagation神經(jīng)網(wǎng)絡(luò)進行建模，提出了一種低壓脫扣裝置自動選擇預(yù)測方法，結(jié)果表明：該方法在準確性與可重復(fù)性上與傳統(tǒng)方法相比具有較大優(yōu)勢，在工程應(yīng)用中有一定的參考作用。

神經(jīng)網(wǎng)絡(luò)；低壓脫扣；選型系統(tǒng)

國家在“十三五”規(guī)劃中提出要建設(shè)智能配電網(wǎng)，要重點提高配網(wǎng)供電可靠性。低壓脫扣裝置作為配電網(wǎng)中不可或缺的一部分，在實際使用過程中應(yīng)當合理選型，才能滿足智能配電網(wǎng)的要求。低壓脫扣裝置通過控制斷路器操作機構(gòu)，實現(xiàn)配電線路過載、短路及欠壓等保護功能。選用哪種脫扣裝置，與電力設(shè)備對電壓波動的要求存在很大關(guān)系[1]。對電能質(zhì)量要求很高的客戶，如精密儀器制造、電力設(shè)備生產(chǎn)廠家，供電系統(tǒng)中的低電壓會導(dǎo)致其生產(chǎn)的殘次品比例增加，需要安裝低壓脫扣裝置；而另一些對電壓壓降不敏感的客戶，如普通的居民用戶，若系統(tǒng)中發(fā)生了瞬時電壓暫降，對其影響不大，如果裝設(shè)低壓脫扣裝置會導(dǎo)致停電，反而不利于供電的可靠性。

1 低壓脫扣選型現(xiàn)狀及需考慮的問題

1.1 選型現(xiàn)狀

低壓脫扣選型是一個多目標決策問題，受到多種環(huán)境因素影響，近些年相關(guān)學(xué)者對其作了大量研究，但現(xiàn)有方法都只是從某項指標進行考量，忽略了低壓脫扣選型是一個綜合問題，僅從單一因素考慮容易造成選型不當。文獻［2-3］探討了在運行中低壓斷路脫扣裝置選型的難點，提出環(huán)境因素、負荷敏感度以及企業(yè)重要度對于低壓脫扣裝置選擇的影響。文獻［4］采用電流保護整定法對低壓脫扣裝置進行選型，通過負荷大小的計算判斷是否安裝以及安裝何種脫扣裝置，但僅從一項指標難以準確判斷安裝何種脫扣裝置。文獻［5］通過用戶對電能質(zhì)量的敏感度以及重要度的方法對低壓脫扣進行選型，忽略了雷擊率等因素影響。

1.2 選型需考慮的問題

針對不同電力用戶安裝低壓脫扣裝置的選型目前還沒有統(tǒng)一標準，影響低壓脫扣裝置選型的因素有多種［6］，僅從單一因素考慮則容易造成錯裝，所以必須綜合考慮各種影響因素，得出一個合理的選型安裝方案。

1.2.1 負荷敏感度

電力負荷的敏感度反映出電力設(shè)備對電能質(zhì)量好壞的敏感程度，為保證設(shè)備的正常運行，敏感度級別越高，脫扣裝置保護就越靈敏。

1.2.2 用電企業(yè)重要度

用電企業(yè)重要度關(guān)系著經(jīng)濟穩(wěn)定性，在選擇脫扣裝置類型時，需考慮脫扣裝置應(yīng)最大程度保證企業(yè)與設(shè)備運行的經(jīng)濟性和可靠性。

1.2.3 電力設(shè)備負荷

電力設(shè)備負荷大小會影響公共母線上其它電力設(shè)備的安全運行［7］，合理選擇脫扣裝置能有效地避免大范圍甩負荷造成安全事故的發(fā)生。已有研究［8］是通過分析負載特性結(jié)合繼電保護考慮了負荷大小對脫扣裝置的影響，但對于不同負荷類型沒有進行分類，容易導(dǎo)致脫扣裝置誤裝。

1.2.4 線路故障率水平

線路故障率的高低在選擇脫扣裝置時需要合理考慮，不同故障率水平的線路應(yīng)采取不同的脫扣裝置。

1.2.5 雷擊率水平

雷擊率水平的高低也是選擇不同類型脫扣裝置的參考依據(jù)，雷擊雖屬于瞬時故障，但對脫扣裝置的影響巨大，選型不當容易使線路出現(xiàn)大面積停電事故，造成重大經(jīng)濟損失。

2 低壓脫扣自動選型系統(tǒng)

2.1 BP神經(jīng)網(wǎng)絡(luò)架構(gòu)

BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）［9-10］是模擬人的思考和推理分析，將多目標決策化為多層次的簡單問題。近年來神經(jīng)網(wǎng)絡(luò)已經(jīng)在故障診斷、預(yù)測等多個應(yīng)用領(lǐng)域中得到了很好的體現(xiàn)。神經(jīng)網(wǎng)絡(luò)一般分為輸入層、隱含層、輸出層3層，BP神經(jīng)網(wǎng)絡(luò)的前向網(wǎng)絡(luò)拓撲如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)

本文基于BP神經(jīng)網(wǎng)絡(luò)方法提出一種低壓脫扣自動選型系統(tǒng)，將復(fù)雜的脫扣選型問題系統(tǒng)化、簡單化。

2.2 輸入層設(shè)計

將影響安裝低壓脫扣裝置的因素作為系統(tǒng)神經(jīng)網(wǎng)絡(luò)的輸入層。選取負荷敏感度、企業(yè)重要度、負荷大小、故障率、雷擊率5個參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入層參數(shù)。

2.2.1 負荷敏感度

通過走訪周邊企業(yè)和電力用戶，根據(jù)不同企業(yè)類型和對社會影響的重要度進行分析，采用國家標準GB 14048.2—2008［11］根據(jù)企業(yè)類型對負荷敏感度進行評級及評分，如表1所示。

表1 負荷敏感度評級及評分

表1中不同分值代表用電負荷對電壓暫降敏感度的高低，分值越高說明敏感度越高。

2.2.2 用電企業(yè)重要度

重要度關(guān)系著用電企業(yè)的經(jīng)濟穩(wěn)定性，重要度越高的企業(yè)一旦發(fā)生事故造成的影響是無法估量的，將所有企業(yè)根據(jù)國民經(jīng)濟行業(yè)分類國家標準GB/T 4754—2011［12］進行分類并按發(fā)生事故造成經(jīng)濟損失大小進行評級及評分，如表2所示。

表2 用戶企業(yè)重要度評級及評分

表2表示的是不同企業(yè)之間相對重要程度，分值越高說明該類型企業(yè)對社會的重要性越大，事故發(fā)生時經(jīng)濟損失越大，反之重要性越低。

2.2.3 電力負荷大小

大型負載如感應(yīng)電動機、大型變壓器、沖擊負荷（鋼鐵廠、電弧爐）還有非線性負荷（可控硅設(shè)備）的投運初期會產(chǎn)生高于額定電流5～7倍的啟動電流，使得線路和系統(tǒng)的阻抗增大，引起公共母線節(jié)點處電壓降低，從而影響到同一條支路其它負荷的正常運行，所以單組負荷大小是作為安裝低壓脫扣裝置的一個重要參考指標。通過走訪和考察企業(yè)并參考國家標準GB/T 15148—2008［13］、GB/T 16926—1997［14］將負荷大小和影響程度進行評級及評分，如表3所示。

表3 單組負荷大小重要度評級及評分

2.2.4 線路故障率水平

電網(wǎng)發(fā)生故障從而導(dǎo)致低壓脫扣動作頻次不僅與相連的主饋線故障率相關(guān)而且還和分支線路的距離長短有關(guān)［15］，由于國內(nèi)在中低壓配電線路上沒有接線行業(yè)標準，故采用使用最多的樹狀接線方式作為線路故障率的模型，如圖2所示。

圖2 配電系統(tǒng)故障率預(yù)估線路

針對圖2所示線路故障率模型，文獻［12］中介紹了一種計算線路故障率的方法，查閱配網(wǎng)故障相關(guān)資料可知主饋線隨機故障率為0.1次/（年· km），分支線路隨機故障率為0.25次/（年·km）。根據(jù)圖2中所示可以預(yù)估該主饋線發(fā)生故障的次數(shù)為11×0.1+22×0.25=6.6次/年，這代表著故障率的平均水平；同樣發(fā)生故障率的大小還和距離有關(guān)，從圖2中可以知道當離主饋線和分支線路距離越遠時，故障率的高低分為≥10次/年、7～9次/年、3～5次/年、1～3次/年、＜1次/年5個級別。

2.2.5 雷擊率水平

雷擊雖屬于瞬時故障，但對脫扣裝置的影響巨大，選型不當容易使線路出現(xiàn)故障，影響設(shè)備正常工作。雷擊率越高，對于安裝低壓脫扣就越有必要性。

統(tǒng)計全國近10年雷擊次數(shù)平均為4 451次，針對全國雷擊率水平的不同，把全國分為華南、華東、西南、長江中下游、華北、黃河中游、東北和西北8個地區(qū)，同時參照國家標準GB 50057-2010［16］將雷擊次數(shù)對應(yīng)分為大于1500次/年、1 000～1500次/年、500～1 000次/年、300～500次/年、200～300次/年、100～200次/年，雷擊次數(shù)越高說明受雷擊影響就越大，反之重要度越低。

2.3 隱含層設(shè)計

將上述5項參數(shù)進行歸一化處理之后輸入到隱含層W中，在隱含層中選擇好訓(xùn)練函數(shù)、設(shè)置閾值、調(diào)整誤差精度以使神經(jīng)網(wǎng)絡(luò)達到滿意訓(xùn)練效果后，將結(jié)果送到輸出層Q中，最后將結(jié)果代碼顯示出來，完成神經(jīng)網(wǎng)絡(luò)自動選型過程。所設(shè)計神經(jīng)網(wǎng)絡(luò)的隱含層采用的函數(shù)是logsig函數(shù)，則隱含層的輸出為

式中：Ii—神經(jīng)網(wǎng)絡(luò)的輸入；

mj—隱含層的輸出；

Wij—輸入層至輸出層的連接權(quán)值；

aj—閥值；j的范圍為1至n；n為神經(jīng)網(wǎng)絡(luò)隱層單元的個數(shù)。

［11］神經(jīng)網(wǎng)絡(luò)的輸出為

式中：Ak—神經(jīng)網(wǎng)絡(luò)的輸出；

wjk—隱層單元到輸出層單元的連接權(quán)值，k的范圍為1至5。

隱含層作為數(shù)據(jù)處理的中間環(huán)節(jié)，直接影響結(jié)果精度。隱含層數(shù)的確立通常的做法是實驗法［17］，實驗表明一般情況下利用下面公式可以近似求出：

式中：n—隱含層的層數(shù)；

x，y—樣本輸入個數(shù)和輸出個數(shù)；

u—1～10之間的任意常數(shù)。

經(jīng)多次實驗可知，當隱含層層數(shù)過小，獲取樣本的能力就會變差；隱含層的數(shù)量過多，又會存在過度學(xué)習(xí)、過度擬合的問題，降低了泛化能力。隱含層層數(shù)為10時，網(wǎng)絡(luò)的性能最好［18］。

將訓(xùn)練樣本數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練，直到滿足最小誤差值，訓(xùn)練效果如圖3所示。從圖3中可知訓(xùn)練誤差精度值達到10-6，足以滿足現(xiàn)場安裝需要。

圖3 訓(xùn)練效果曲線

2.4 輸出層設(shè)計

輸出層根據(jù)輸入不同參數(shù)顯示不同的評判結(jié)果，本文選型結(jié)果代碼有3種，分別為安裝不帶延時脫扣（100）、安裝延時脫扣（010）以及不安裝脫扣裝置（001）。

2.5 選型結(jié)果

對27家不同電力用戶通過自動選型系統(tǒng)進行脫扣方案選型，結(jié)果如表4所示。

表4中，序號1是東莞市某工業(yè)園區(qū)生產(chǎn)半導(dǎo)體國有企業(yè)，有許多對電能質(zhì)量要求高的電機設(shè)備，如果出現(xiàn)電壓暫降情況時需要立即切除設(shè)備，否則會使產(chǎn)品殘次率升高，不利于企業(yè)的經(jīng)濟運行。自動選型系統(tǒng)評判結(jié)果代碼為100，即安裝不帶延時脫扣裝置，與該企業(yè)的實際工況需求相吻合。

表4中，序號3是華東地區(qū)某生產(chǎn)精密數(shù)控機床企業(yè)，有許多控制計算機，要盡可能減少因停電事故造成計算機無法工作，經(jīng)常性斷電對設(shè)備也會帶來巨大損壞。自動選型系統(tǒng)評判結(jié)果代碼為010，即安裝帶延時脫扣裝置，可以有效減少停電次數(shù)，確保電力設(shè)備的正常運行，選型系統(tǒng)評判結(jié)果與實際工況需求一致。

表4 脫扣選型輸入和輸出選型結(jié)果代碼

表4中，序號16為西南地區(qū)某小區(qū)普通居民用戶，其用電設(shè)備包括空調(diào)、電視、洗衣機等常用家電，停電會對用戶的正常生活造成一定的影響，因為考慮到脫扣裝置的安裝需要大量的人力財力，且效果不太明顯，綜合考慮經(jīng)濟成本和使用效果，不安裝脫扣裝置更加符合實際需求。自動選型系統(tǒng)評判結(jié)果代碼為001，即不安裝低壓脫扣裝置，與實際工況需求相符。

通過表4中企業(yè)、用戶的實際需求與自動選型系統(tǒng)評判結(jié)果的對比可知，自動選型系統(tǒng)能根據(jù)企業(yè)用電工況需求，準確判斷安裝何種脫扣裝置。

3 效果評價

（1）與已有研究僅依據(jù)負荷敏感度一個指標進行判斷相比，基于BP神經(jīng)網(wǎng)絡(luò)的低壓脫扣自動選型系統(tǒng)考慮的因素更加全面，自動選型系統(tǒng)包含了5種影響因素使結(jié)果更接近實際工況，使選擇脫扣裝置類型的準確性從現(xiàn)有的50%提高到了80%。

（2）在脫扣裝置已有研究中沒考慮經(jīng)濟成本容易造成脫扣設(shè)備的閑置，對于安裝何種脫扣裝置沒有一個科學(xué)的依據(jù)，造成大量的人力、財力浪費。通過采用自動選型系統(tǒng)進行綜合考量，選擇恰當?shù)拿摽垩b置，在保證安全的前提下既可以節(jié)約成本又不浪費資源。

（3）傳統(tǒng)數(shù)值計算法選擇低壓脫扣類型，只能評價線性因素，對于沖擊負荷等非線性因素?zé)o法通過計算的方式得到，而神經(jīng)網(wǎng)絡(luò)法針對線性因素和非線性因素都能很好地解決，彌補了傳統(tǒng)選型方法的不足。

4 結(jié)論

（1）BP神經(jīng)網(wǎng)絡(luò)在低壓脫扣方案選擇中對于處理多目標決策問題具有十分強大的功能，可以在多目標決策中找到最優(yōu)方案，具有操作簡便、可重復(fù)、泛化能力強等特點。

（2）應(yīng)用結(jié)果驗證了該方法在低壓脫扣方案選型中的合理性和準確性，解決了綜合影響因素下低壓脫扣裝置的選型問題。

（3）本文提出的自動選型系統(tǒng)解決了傳統(tǒng)選型方法由于考慮因素不全面，容易造成設(shè)備的閑置，不利于經(jīng)濟運行等問題，為電力部門低壓脫扣裝置選型提供了一種新的思路。

參考文獻

［1］ 雷振，葉劍烽，郁哲亮.20 kV電網(wǎng)電壓暫降及其應(yīng)對措施研究[J].浙江電力，2015(05)：10-13，22.

［2］ 陳敏.淺談低壓智能斷路器的脫扣器選型[J].價值工程，2010，33（01）：277.

［3］ 曾其權(quán)，王莉，王永年，等.運營電廠低壓斷路器的選型和應(yīng)用[J].低壓電器，2013（07）：53-57.

［4］ 錢金川，賈文軍.低壓斷路器的選型與應(yīng)用[J].電氣制造，2011（08）：38-41.

［5］ 徐四元，張琪，任福勝，等.低壓斷路器選型若干問題的討論[J].電氣應(yīng)用，2009（07）：16-18，20.

［6］ 江宇，夏勇，張斌，等.高壓線路故障產(chǎn)生電壓暫降的特性及對敏感負荷設(shè)備的影響[J].電氣自動化, 2012，34(04):53-55，64.

［7］ 李海濤.東莞電網(wǎng)低壓脫扣器配置策略分析[J].科技視界,2015(01)：344-345.

［8］ 楊家.低壓斷路器脫扣電流的整定計算[J].中國高新技術(shù)企業(yè)，2016（02）:110-113.

［9］ 鄒杰慧.電力變壓器故障診斷模糊專家系統(tǒng)研究開發(fā)[D].湖南大學(xué)，2004.

［10］孫崎峰.基于改進BP神經(jīng)網(wǎng)絡(luò)的公路旅游客流量預(yù)測[J].山東理工大學(xué)學(xué)報，2008，22(6)：75-79.

［11］GB 14048.2—2008，低壓開關(guān)設(shè)備[S].2008.

［12］GB/T 4754—2011，國民經(jīng)濟行業(yè)分類[S].

［13］GB/T 15148—2008，電力負荷管理技術(shù)規(guī)范[S].

［14］GB/T 16926—1997，交流高壓負荷開關(guān)[S].

［15］陳眾勵，許維勝.電壓中斷與電壓暫降的成因其及防治[J].電工技術(shù)學(xué)報，2015，30(S1):518-520.

［16］GB/T 50057—2010，建筑物防雷設(shè)計規(guī)范[S].

［17］Ben-BO Zha.A Study of the Design and Parameters Optimization of BP Neural Network Using Improved GEP[J]: IEEE press,2014,714-719.

［18］Xue-Feng Jiang,The research on sales forecasting based on rapid BP Neural Network[J]:IEEE press, 2012,1239-1241.

Application of neural network in the selection of low voltage tripping device

XU Weidong1,PENG Dan1,CHEN Yunlong1,DIAO Qingxian2
(1.school of Automation,Guangdong University of Technology,Guangzhou Guangdong 510006,China;
2.Guangdong Ziguang Electric Co.,Ltd,Dongguan Guangdong 523000,China)

Low voltage tripping device is applied in complex environment.The improper mode selection will make frequent power accident and harm the reliable operation of the power system.this paper analyzes the factors affecting the selection type of low voltage trip device,uses Back Propagation neural network to build model,and provides a new forecasting method for the selection type of low voltage trip.The result shows that this method have greater advantage than traditional methods in the accuracy and repeatability,and has reference value in engineering applications.

neural network;low voltage tripping;type selection system

TM732

A

1672-3643（2017）01-0029-05

10.3969/j.issn.1672-3643.2017.01.006

東莞市科技局產(chǎn)學(xué)研合作項目（2015509132215）。

2016-10-18

徐衛(wèi)東（1992），男，工學(xué)碩士，研究方向為電力系統(tǒng)在線監(jiān)測與運行。

有效訪問地址：http://dx.doi.org/10.3969/j.issn.1672-3643.2017.01.006