0 引言

　　小電流接地系統(tǒng)中發(fā)生單相接地時(shí)，由于故障點(diǎn)的電流很小，而且三相之間的線電壓仍然保持對稱，在一般情況下，都允許再繼續(xù)運(yùn)行1～2小時(shí)，而不必立即跳閘，但為了防止故障進(jìn)一步擴(kuò)大成兩點(diǎn)或多點(diǎn)接地故障，應(yīng)及時(shí)發(fā)出信號，及時(shí)消除故障。但在現(xiàn)場運(yùn)行中，單一故障選線方法的準(zhǔn)確度較低，原因在于：小電流接地系統(tǒng)零序阻抗大，并受故障接地過渡阻抗的影響，故障電流小，故障線路與非故障線路的區(qū)別不明顯；受各種干擾因素的影響，故障選線裝置測量到的故障特征量(如零序電流、零序功率方向等)具有很大的模糊性和不確定性。
　　神經(jīng)網(wǎng)絡(luò)是模擬人類生理上的神經(jīng)機(jī)制的計(jì)算模型，其中一種典型網(wǎng)絡(luò)，也是最為成熟的一種網(wǎng)絡(luò)為多層前饋神經(jīng)網(wǎng)絡(luò)又稱BP（Back propagation）神經(jīng)網(wǎng)絡(luò)。BP網(wǎng)絡(luò)在電力系統(tǒng)的各個(gè)領(lǐng)域有了廣泛的應(yīng)用，但在小電流接地選線中還沒有較為成熟的應(yīng)用，這是由小電流接地選線的故障特點(diǎn)及 BP網(wǎng)絡(luò)容易陷入局部極小點(diǎn)以及學(xué)習(xí)能力有限所共同決定的。針對此問題，本文提出將遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)用于故障選線中，通過對故障時(shí)的各種特征量的綜合判別，來大幅度提高故障選線的準(zhǔn)確率。

1 算法原理及網(wǎng)絡(luò)模型
　　遺傳算法[2]是一種新型的，根植于自然遺傳學(xué)和計(jì)算機(jī)科學(xué)的優(yōu)化方法。其本質(zhì)是將優(yōu)勝劣汰、適者生存的原理及遺傳機(jī)理抽象出來，形成了一種非常使于計(jì)算機(jī)實(shí)現(xiàn)的算法。遺傳算法的計(jì)算過程是將實(shí)際的優(yōu)化問題編碼為染色體，實(shí)際問題的目標(biāo)函數(shù)則用染色體的適應(yīng)函數(shù)表示、在隨機(jī)產(chǎn)生一群染色體的基礎(chǔ)上，根據(jù)各染色體的適應(yīng)函數(shù)進(jìn)行繁殖、交叉、變異等遺傳操作，產(chǎn)生下一代染色體。適應(yīng)函數(shù)值的大小決定了該染色體被繁殖的機(jī)率，從而反映了適者生存的原理。
　　遺傳算法能夠收斂到全局最優(yōu)解，而且遺傳算法的魯棒性強(qiáng)，將遺傳算法與BP網(wǎng)絡(luò)結(jié)合起來，不僅能發(fā)揮神經(jīng)網(wǎng)絡(luò)的泛化的映射能力，而且，使神經(jīng)網(wǎng)絡(luò)具有很快的收斂性以及較強(qiáng)的學(xué)習(xí)能力。遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合主要有兩種方式：一是用于網(wǎng)絡(luò)訓(xùn)練，即學(xué)習(xí)網(wǎng)絡(luò)的連接權(quán)值；二是學(xué)習(xí)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。本文主要將遺傳算法用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。
　　BP神經(jīng)網(wǎng)絡(luò)模型如圖1所示：BP網(wǎng)絡(luò)分輸入層、隱含層和輸出層，層與層之間采用全互連方式，在同一層單元之間不存在連接關(guān)系。信號在網(wǎng)絡(luò)中是單方向向前傳播的。

　　BP網(wǎng)絡(luò)的每一層連接權(quán)值都可以通過學(xué)習(xí)來調(diào)整，未經(jīng)遺傳優(yōu)化的BP網(wǎng)絡(luò)的權(quán)值調(diào)整請見參考文獻(xiàn)[1]。
　　在遺傳優(yōu)化的神經(jīng)網(wǎng)絡(luò)中，層與層之間的連接權(quán)值用1、0表示，相連為1，不相連為0。在神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，首先列出神經(jīng)網(wǎng)絡(luò)所有可能存在的神經(jīng)元，將這些神經(jīng)元所有可能存在的連接權(quán)值編碼成二進(jìn)制碼串表示的個(gè)體，隨機(jī)地生成這些碼串的群體，進(jìn)行常規(guī)的遺傳算法優(yōu)化計(jì)算。將碼串解碼構(gòu)成神經(jīng)網(wǎng)絡(luò)，計(jì)算所有訓(xùn)練樣本通過此神經(jīng)網(wǎng)絡(luò)產(chǎn)生的平均誤差可以確定每個(gè)個(gè)體的適應(yīng)度。具體過程見圖2。這樣，可以很好地解決神經(jīng)網(wǎng)絡(luò)容易陷入局部最小的問題，并且可以大大提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力。

2 輸入、輸出量的選取
　　在中性點(diǎn)不接地電網(wǎng)中，假定有K條饋電線路，則在神經(jīng)網(wǎng)絡(luò)輸入、輸出量選取如下：
2．1 輸入量的選取
　　根據(jù)饋電線路數(shù)K，每條饋線輸入數(shù)據(jù)共有N個(gè)，則共有K*N個(gè)輸入節(jié)點(diǎn)，每條饋線輸入數(shù)據(jù)分別為：
　　1） 零序測量導(dǎo)納Yoi[3]
　　根據(jù)電網(wǎng)正常運(yùn)行時(shí)的零序回路，利用消弧線圈適當(dāng)?shù)拿撝C狀況和位移電壓的相應(yīng)改變，可將每條饋線零序阻抗的不對稱分量，即對地導(dǎo)納計(jì)算出來。如果所有的零序?qū)Ъ{都不超過正常運(yùn)行時(shí)電網(wǎng)限定的允許值，則無故障；當(dāng)任何一條饋線發(fā)生單相接地故障時(shí)，就相當(dāng)于產(chǎn)生了一個(gè)附加的不對稱電源，這就會導(dǎo)致零序電壓和饋線零序電流的總和量發(fā)生變化，此時(shí)同樣計(jì)算出該條饋線的對地導(dǎo)納。將計(jì)算出的饋線對地導(dǎo)納輸入神經(jīng)網(wǎng)絡(luò)，作為第一組輸入數(shù)據(jù)。
　　2） 零序電流幅值
　　單相接地短路時(shí)，流過故障元件的零序電流在數(shù)值上等于所有非故障元件對地電容電流之和，即故障線路上的零序電流最大，所以零序電流幅值的大小，也是判別故障線路的有效數(shù)據(jù)。故將各條饋線的零序電流作為第二組輸入數(shù)據(jù)。
　　3） 五次諧波分量
　　從過渡電阻的非線性可知故障點(diǎn)本身就是一個(gè)諧波源（金屬性接地是經(jīng)電阻接地發(fā)展而來的），且以基波和奇次諧波為主，根據(jù)諧波在整個(gè)系統(tǒng)內(nèi)的分布和保護(hù)的要求，使用五次諧波分量為宜。NES（中性點(diǎn)經(jīng)消弧線圈接地系統(tǒng)）中的消弧線圈是按照基波整定的，即有,可忽略消弧線圈對五次諧波產(chǎn)生的補(bǔ)償效果，因零序電流五次諧波分量產(chǎn)生在NES中有著與NUS（中性點(diǎn)不接地系統(tǒng)）中零序電流基波分量相同的特點(diǎn)，根據(jù)上述零序電流幅值法原理，將其經(jīng)消弧線圈所得五次諧波分量取其電流幅值，作為第三組輸入數(shù)據(jù)。
　　4）序分量測量值Is
　　根據(jù)參考文獻(xiàn)[4]，利用對電流正、負(fù)序分量的有效值進(jìn)行相加，得出一綜合測量值Is將其作為第四組輸入數(shù)據(jù)。
　　在此神經(jīng)網(wǎng)絡(luò)中，僅選擇了4組輸入數(shù)據(jù)，在實(shí)際應(yīng)用中，可以根據(jù)實(shí)際情況，加入其它數(shù)據(jù)，以更好地進(jìn)行選線。
2．2 輸出量的選取
　　在此網(wǎng)絡(luò)中，共選取K+1個(gè)輸出節(jié)點(diǎn)，代表1至K條饋線，第K+1個(gè)節(jié)點(diǎn)代表母線，傳統(tǒng)的輸出1代表有故障，0代表不故障的絕對關(guān)系靈活化，其值可以取[0,1]區(qū)間的任一數(shù)值，再將其輸出數(shù)值進(jìn)行判斷，大于0.5判為故障，小于0.5判為不故障。

3 網(wǎng)絡(luò)學(xué)習(xí)及訓(xùn)練
    選取一有10條饋電線路的輸電系統(tǒng)，如圖3所示：

　　此輸電系統(tǒng)中，L1～L4為電纜線路，L5～L10為架空線路。
　　對此網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。根據(jù)訓(xùn)練的實(shí)際情況，選取64個(gè)隱含節(jié)點(diǎn)，則依據(jù)上述原理，生成一個(gè)有4×10×64×2位的個(gè)體，然后依據(jù)遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的算法原理，進(jìn)行網(wǎng)絡(luò)訓(xùn)練。在此實(shí)際網(wǎng)絡(luò)中，例如，當(dāng)L3饋線發(fā)生接地短路時(shí)，則神經(jīng)網(wǎng)絡(luò)的理想輸出為[0 0 1 0 0 0 0 0 0 0]，神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出為yi（i=1,2,...,10)，為求取其適應(yīng)度函數(shù)值，先求取方差，則其適應(yīng)度函數(shù)取為f=100/S?？梢?，其適應(yīng)度函數(shù)越高，方差越小，與標(biāo)準(zhǔn)選線結(jié)果也就越接近。
　　經(jīng)過87次的訓(xùn)練，該網(wǎng)絡(luò)訓(xùn)練完成。進(jìn)行實(shí)際運(yùn)算得到的結(jié)果表明，其判斷準(zhǔn)確率可達(dá)90％以上。

4 結(jié)論
　　與傳統(tǒng)的選線方法（五次諧波分量法、零序?qū)Ъ{法）相比，此方法根據(jù)多個(gè)判據(jù)的綜合判定，加上采用了遺傳算法進(jìn)行神經(jīng)網(wǎng)絡(luò)的優(yōu)化，避免了神經(jīng)網(wǎng)絡(luò)容易陷入局部最小的問題，大大提高了接地選線的準(zhǔn)確性。但隨著饋電線路的增加及隱含層接點(diǎn)數(shù)目的增加，會大大加大算法的計(jì)算量，考慮到單相接地故障允許運(yùn)行1～2小時(shí)，隨著計(jì)算機(jī)速度的不斷加快，此問題已不是很重要，故在現(xiàn)場運(yùn)行中是可行的。