模糊神经网络在电力继电保护装置状态评价中的应用

兰雁宁，郑陈达

(1.上海电力大学，上海 200090； 2.国网福建省电力有限公司电力科学研究院，福州 350007)

继电保护是电力系统安全稳定运行的重要保障，直接关系着电力系统的运行质量。继电保护状态检修技术离不开合理、可靠的继电保护装置状态评价结果，评价结果的好坏将在很大程度上影响装置的检修效果[1]。传统的评价手段中，人为主观因素对评价结果有较大的影响，会降低评价工作效率，评价结果也缺乏准确性。目前，已有学者提出了改进方法[2]，文献[3，4]采用模糊综合评价法进行继电保护装置评价，评价结果相较于传统方法更加准确且更具说服力。但这类方法工作量较大，且算法中权重系数的选择对整体评价结果有很大的影响。马尔科夫模型是一种适合于描述继电保护装置状态变化的方法，但在工程实践中由于受模型假设的限制，准确性通常不高[5-6]。

神经网络因其自身强大的学习能力及非线性逼近能力，在电力设备评价方面应用较广。电力设备评价通常可以看做是对模糊属性的分类问题，对设备的标准评价结果是稀缺的，因而传统神经网络模型可能由于学习样本不足导致其应用范围受限[7]。模糊神经网络结合了模糊系统在模糊知识表达上的优势，同时具备了神经网络的自适应学习能力，是一种优良的分类工具[8]。介绍了一种基于T-S模糊神经网络的继电保护装置评价方法，其工作效率及评价结果较传统评价方法均有较大提升。……