基于神經網絡的地鐵供電系統直流饋線保護研究

摘 要：為進一步完善地鐵直流牽引供電系統的饋線保護，系統分析了現有的地鐵直流牽引供電系統饋線保護的基本配置和工作原理，并針對現有饋線保護的局限，提出一種新的利用前饋神經網絡對故障信號進行多參量識別的基于神經網絡的饋線保護思路，有效地克服了既有保護自適應能力差以及特殊情況下保護可能失效的問題。通過使用Matlab系統仿真試驗，證實這種方法切實有效。

關鍵詞：饋線保護；神經網絡；Matlab；多參量輸入

中圖分類號：TP183 文獻標識碼：A

文章編號：1004-373X(2008)06-105-03

Study of Feeder Protection for Metro Power Supply System Based on Artificial Neural Network

ZHANG Jian，ZHANG Youpeng

(Lanzhou Jiaotong University，Lanzhou，730070，China)

Abstract：For purpose of further improving of the feeder protection system for metro DC power supply system，this paper systematically analyzes the existing feeder protection system component and its operation principle，by focusing on the limitation of the exiting protection system，presents a new multi-vector inputing feeder protection method based on artificial neural network which may efficiently improve the adaptation compare to the existing feeder protection system，and resolve the problem that the existing protection system may disable to work under specific circumstances，further more，it is testified that this method is very workable by Matlab simulation.

Keywords：feeder；neural network；Matlab；multi-vector input

1 引 言

地鐵交通發展初期，在直流牽引供電系統保護方面還沒有性能好、可靠性高的保護裝置，一般僅靠電流速斷和過電流保護來切斷短路故障，效果往往很不理想。近年來隨著電子技術、計算機技術的發展，人們采用微處理器實現了電流上升率和電流增量保護，極大地提高了直流牽引供電系統保護裝置的可靠性和準確率^[1]。

目前，地鐵直流牽引變電所內配置的直流保護裝置，基本上能夠快速切除大多數短路、接地等故障，但也存在一些問題，主要有：

(1) 關于機車起動電流和遠端短路故障電流的區分。現在廣泛采用基于電流變化率di/dt的保護方法來區分機車起動電流和遠端短路故障電流。此方法是根據機車起動時和直流電路發生短路故障時的特點而設置的，由于機車起動時電流突變的過程較短，維持突變后電流狀態時間較短，所以，電流變化率di/dt會在短時間內維持大于設定定值，而短路電流突變達到穩定狀態的時間相對較長，其維持di/dt大于設定值的時間要明顯大于機車起動電流狀態。然而，實際運行經驗表明，此方法在線路電感較大、機車直流電動機容量較大以及同一供電區間發生多輛機車同時起動或者機車經過絕緣分段的時候依然可能失效。

(2) 現有微機保護的整定，是完全按照傳統保護的方法進行的整定，自適應能力差，不能保證系統在各種工況下均能實現系統的最優保護。

因此，如何進一步提高饋線保護的自適應能力以及如何對某些復雜故障進行有效檢測，己成為饋線保護所而臨的一個重要課題。已有一些文獻對此進行了研究，提出一些自適應繼電保護的概念和方法，并取得一些研究成果；但是基本上都還處于初步的研究試驗階段，用于實際生產的自適應保護裝置更是尚未推出。

本文在分析比較故障短路和列車啟動變量特征的基礎上，提出基于神經網絡的牽引供電系統饋線保護系統，并進行仿真驗證。

2 直流牽引供電系統饋線保護簡介

目前，直流牽引供電系統中常用的保護主要有：判別電流量的保護(大電流脫扣保護和定時限過流保護)、判別電流變化量的保護(di/dt電流上升率及ΔI電流增量保護)以及雙邊聯跳保護^[2]，下面分別予以介紹：

大電流脫扣保護：是一種基于電流幅值的保護，他對接觸網近端金屬性短路故障較靈敏。其保護動作特性為當電流大于電流整定值時，開關中脫扣裝置動作使開關分閘。假設被保護線路短路電流的最小值為Id.min，動作電流整定為Idz>kId.min (其中k為可靠系數)，系統一旦檢測到瞬時電流超過動作電流時，將立即跳閘。保護的靈敏性是其特點，其固有動作時間僅幾毫秒。

定時限過流保護：定時限過流保護也是一種基于電流幅值的保護。其和大電流脫扣保護相比，大電流脫扣保護應躲過機車正常啟動時的最大電流，而定時限過流保護電流整定值較低，但時限較長，其啟動時不需躲過機車啟動最大電流，而是按照最大負荷電流負荷來整定，靠延時來區分故障電流和機車啟動電流，其動作時限一般為十幾秒到幾十秒之間。其缺點是不能快速切斷故障電流，因而作為一種后備保護。

di/dt電流上升率及ΔI電流增量保護^[3]：電流上升率及電流增量保護為地鐵饋線保護的主保護，其通過綜合考慮di/dt和ΔI來決定保護的動作特性，克服了單獨di/dt保護易受干擾誤動，以及ΔI保護存在拒動現象的缺點，保護動作特性分兩部分，瞬時跳閘和延時跳閘，其動作特性見圖1所示。

當電流具有較高初始變化率時，例如di/dt>di/dt-ins，一旦電流增量 (ΔI)達到動作值I-ins，將無延時跳閘。當電流具有較低初始變化率時。例如di/dt-del>di/dt>di/dt-ins，將監視較長時間的di/dt，以利于很好的區分故障電流與運行電流，當延時t-del，且電流增量ΔI超過動作值ΔI-del時，將切除故障。

其整定原則：

(1) 電流上升率di/dt-ins的整定，應躲過機車起動時的最大電流變化率。di/dt-del的整定，應小于被保護線路末端短路電流的最大電流變化率；

(2) 電流I-ins的整定，應躲過機車起動電流及機車過分段絕緣時的沖擊電流。I-del的整定，應大于線路末端短路電流在t-del時刻達到時的電流增量值；

(3) 延時t-del的整定，應躲過機車的起動時間。

雙邊聯跳保護：當靠近故障點側的直流快速開關快速分閘后，即將跳閘信號通過聯跳導線傳送至對端變電所，使對端變電所的直流快速開關立即跳閘，而與后一開關中電流是否達到其整定值無關，雙邊聯跳保護裝置的作用是為了保證更加安全地向接觸網供電，在故障的情況下確保相鄰變電所可靠跳閘而增設的后備跳閘裝置，當本變電所的斷路器跳閘時，同時要聯跳相鄰變電所內的同一個區間供電的斷路器，本所的斷路器也要由相鄰變電所控制跳閘。

3 基于神經網絡的饋線保護提出的理論依據

3.1 電學方面

以上介紹的直流饋線保護基本能可靠切除供電系統中的短路和接地故障，但隨著長編組列車的采用和行車密度的加大，出現了運行和啟動電流接近甚至超過故障電流的情況，如當相鄰兩變電所間有多組列車運行且均處于啟動狀態時，將出現很大的運行電流，該電流幅值可能大于饋線末端故障電流，造成基于幅值的定時限過流保護判別上的困難。另一方面，由式di/dt=U/Le-(R/L)/t 可知，在t=0+的初始瞬間，在恒定的電源電壓作用下，電流變化率取決于系統的電感，如果系統的負荷(直流電動機)的電感遠遠大于牽引網的電感，那么就可以通過電流變化率的初始值來確定啟動電流和遠方故障電流。但隨著故障點距離的加長和直流電動機的容量加大，牽引網的電感會逐步變大，而直流電動機自身的電感會越來越小，在這種情況下如果保護定值設置過低，則可能造成斷路器誤動，以至于牽引網失電。反之，如果保護定值設置過高，則會有一些遠方故障不易被檢測。由此可以看出，基于電流變化率的保護也存在著一些應用上的限制。

出現以上問題的原因是目前采用的直流牽引饋線保護的僅依賴于電流量的變化特征，而未考直流電壓的變化特征，而系統的電流和電壓兩者相輔相成必然存在一定的聯系。實際上系統未出現故障時，無論是機車處于啟動狀態還是運行狀態，饋線電壓基本上是恒定的，而短路故障時電壓呈速降趨勢，并且故障點越近、故障電流變化量越大、電壓的突化量越大，圖2和圖3分別為系統近端和遠端短路時的電壓波形圖，圖中橫坐標為時間，縱坐標為電壓。

3.2 BP算法人工神經網絡

神經網絡具有并行運算能力、極強的自適應性、高度的魯棒性和容錯能力等優勢，他彌補了傳統方法的單純依靠數學求解的不足，對于非線性系統的求解比傳統計算方法有很大的優勢，解決了某些傳統計算方法難于求解或不能求解的問題，很適合于處理電力系統這樣復雜的非線性大規模動態系統^[4，5]。

Hecht-Nielsen曾證明當各節點具有不同的門限時，對于在任何閉區間的一個連續函數都可以用一個隱含層的網絡來逼近，故本文采用含有一個隱含層的BP(誤差反向傳播學習算法)神經網絡，激活函數采用階躍函數，隱含層節點的數目采用經驗公式2N+1來確定(N表示輸入節點數)。

4 模型建立及仿真驗證

4.1 基于神經網絡的饋線保護原理

圖4為基于神經網絡的饋線保護原理圖，其中i為饋線電流，u為母線電壓。i，u經A/D變換后，送給前置處理器進行特征提取，所提取的特征參量構成神經網絡的輸入矢量。

4.2 BP神經網絡結構

圖5為BP神經網絡的結構圖，其中i為饋線電流，u為母線電壓， di/dt為饋線電流變化率，ΔI為饋線電流增量。對于多參量的輸入，網絡通過對樣本的學習，實現輸入到輸出的非線性映射，即用同一個網絡，實現各種有效的判據，充分體現各輸入特征間的內在聯系，從而實現優化后的最佳判據。

4.3 仿真結果

共選取學習樣本50個，其中正常負荷樣本10個，列車啟動樣本10個，列車過分段樣本10個，短路故障20個。仿真程序用Matlab語言編寫，神經網絡用Matlab中的神經網絡工具箱構造。網絡輸入節點4個，隱含層節點7個，輸出節點1個，學習迭代次數設為1千次，允許誤差10-3，學習實際迭代360次就收斂到允許誤差。

共選取測試樣本20個，表1列出神經網絡的測試結果。

5 結 語

本文提出一種基于神經網絡的饋線保護技術，利用前饋神經網絡對故障信號進行多參量識別，克服了常規保護判據的局限，揭示了各參量間的內在聯系，為地鐵供電系統的直流饋線保護提供了一種新的思路。但由于地鐵直流供電系統相當復雜，故障類型繁復，要建立一套實用、全面、可靠的神經網絡饋線保護系統，則需要分析試驗各種情況下的短路故障情況，總結提取其特征量，同時應將神經網絡方法與其他方法如專家系統方法、模糊控制以及其他傳統方法相結合，方能較好地實現。

參考文獻

[1]劉維寧，夏禾.城市軌道交通發展模式探討\\[J\\].北方交通大學學報，1999，23(4)：32-35.

[2]王宏.地鐵牽引供電系統直流饋線保護[J].電氣鐵道，2002(4)：41-44.

[3]董斌.地鐵直流牽引供電系統中的di/dt和ΔI保護\\[J\\].機車電傳動，2003(3)：38-39.

[4]焦李成.經網絡系統理論\\[M\\].西安：西安電子科技大學出版社，1996.

[5]沈世錳.神經網絡系統理論及其應用\\[M\\].北京：科學出版社，1998.

作者簡介張健男，在讀碩士研究生，教授。從事軌道交通供電系統分析研究工作。