基于神经网络逆的电容器补偿容量和介质损耗的软测量及在线监测制造技术

技术编号:7072450 阅读:301 留言:0更新日期:2012-04-11 18:40
本发明专利技术涉及一种配电网智能电容器运行过程变量的神经网络逆软测量及软仪表构造方法,是一种解决电容器运行过程中难以用传感器在线实时测量的变量的在线估计方法。依据电容器运行过程模型,建立内含传感器的模型,构造串接在电容器运行过程之后的神经网络逆实现内含传感器逆,最终实现对电容器补偿容量和介质损耗的在线软测量。神经网络逆采用数字信号处理器实现。本发明专利技术还涉及一种配电网智能电容器在线监测系统。系统包括在线监测系统的现场前置装置和信号采集终端,传感器检测电容器单元上相应的物理量,数模转换后送给数字信号处理器来做出故障判断,由编程逻辑器件的输出控制断路器的通断。该系统灵敏可靠,保障了智能电容器的安全运行。

【技术实现步骤摘要】

本专利技术涉及一种用于解决配电网智能电容器中难以用传感器在线实时测量的补偿容量、介质损耗这三个关键变量的在线估计问题的软测量方法,及具备电容器参数在线监测功能的配电网智能电容器在线监测系统。
技术介绍
并联电容器作为一种重要的无功补偿设备,在电力系统中应用十分广泛,其安全运行对于整个电力系统的稳定、正常供电起着非常重要的作用。据资料统计,在线运行电容器各种故障频发,为此而采取的传统策略是“时间基准维修”,该策略导致了过多的不必要的停机及维修,耽误无功补偿,同时也无法及时发现带伤运行的电容器。因此,研制集测量、 诊断等多功能于一体的综合智能化监测装置是解决电容器有效运行和故障保护的有力手段。电容器介质损耗及补偿容量是表征电容器质量的重要参数,其准确、稳定的测量一直是在线监测技术的一个难点与重点。为解决变量的测量问题,采用基于神经网络逆系统的软测量技术。所谓软测量,就是选择与被估计变量相关的一组直接可测量变量,构造某种以直接可测变量为输入、被估计变量为输出的模型,用计算机软件来实现的估计。由于人工神经网络具有逼近复杂非线性函数的能力,它在软测量领域内的应用所形成的基于神经网络的软测量方法,为电容器运行中的关键变量的软测量问题的解决提供了有力的手段。国内外没有相关的专利和文献。
技术实现思路
鉴于上述原因,本专利技术的一个目的是提供一种配电网智能电容器运行过程变量的神经网络逆软测量及软仪表构造方法,即是一种电容器运行过程非常重要但是难以用传感器在线实时测量的变量(包括电容器补偿容量和电容器介质损耗)的在线估计方法及相应的软仪表构造方法。本专利技术的配电网智能电容器运行过程变量的神经网络逆软测量方法依据电容器运行过程的模型,选择确定电容器运行过程在线直接可测的输入量、在线直接可测的输出量和需离线分析的不直接可测量;然后再选择确定电容器运行过程的内含传感器的主输入量、辅输入量和输出量,并建立内含传感器的模型(该内含传感器是一个假想的传感器,其主输入量为电容器补偿容量X1、电容器介质损耗、;辅输入量为电容器的运行电流^、电容器温度U2 ;输出量为电容器的运行电压χ3、电网频率χ4。可认为内含传感器是包含在电容器运行过程中的一个子系统,其主输入量、辅输入量与输出量之间满足电容器运行过程模型的变量约束关系,但在实际电容器运行过程,中并不存在这样的一个物理传感器);然后采用人工神经网络,并通过对人工神经网络的训练构造神经网络逆,来实现该内含传感器逆; 最后将神经网络逆串接在电容器运行过程之后,实现对电容器补偿容量及电容器介质损耗的在线软测量。本专利技术的电容器运行过程的在线直接可测的输入量为电容器的运行电流U1、电容器温度U2,在线直接可测的输出量为电容器的运行电压X3、电网频率&,需离线分析的不直接可测量为电容器补偿容量X1、电容器介质损耗&。本专利技术电容器运行过程的内含传感器的主输入量为电容器补偿容量X1、电容器介质损耗& ;辅输入量为电容器的运行电流Ul、电容器温度U2 ;输出量为电容器的运行电压 X3、电网频率& ;该内含传感器可逆;内含传感器逆的主输入量为电容器的运行电压X3、电网频率A,辅输入量为电容器的运行电流U1、电容器温度U2,输出量电容器补偿容量X1、电容器介质损耗&。本专利技术的人工神经网络的各权系数通过现场数据采集、离线数据处理、用数据训练人工神经网络确定。本专利技术的具体的神经网络逆测量方法是首先根据电容器运行过程的模型权利要求1.一种电容器参数的神经网络逆软测量方法及在线监测,其特征在于通过对神经网络的训练确定各权系数构造神经网络逆系统,来实现对电容器补偿容量、电容器介质损耗的测量;智能电容器在线监测系统的现场前置装置(4)包括并联电抗器、并联电容器、电容器套管、避雷器、熔断器、温度传感器、电流互感器、电压互感器、放电线圈及信号电缆;在线监测系统的信号采集终端( 包括模数转换器、数字信号处理器、复杂可编程逻辑控制器、报警装置及人机界面。所述的电压互感器、电流互感器及温度传感器的输出送至所述的模数转换器的输入口,该模数转换器的输出接所述数字信号处理器的数据输入口,所述数字信号处理器的控制输出接所述报警装置及所述复杂可编程逻辑控制器的输入端,该复杂可编程逻辑器件的输出控制所述断路器的通断。所述电抗器与所述电容器并联连接,构成LC无源滤波器,滤除谐波。2.如权利要求1所述电容器参数的神经网络逆软测量方法,其特征在于依据电容器运行过程(1)的模型,选择确定电容器运行过程(1)在线直接可测的输入量、在线直接可测的输出量和需离线分析的不直接可测量;然后再选择确定电容器运行过程的(1)内含传感器的主输入量、辅输入量和输出量,并建立内含传感器的模型;然后采用人工神经网络,并通过对人工神经网络的训练构造神经网络逆(3),来实现该内含传感器逆;最后将神经网络逆(3)串接在电容器运行过程(1)之后,实现对电容器补偿容量及电容器介质损耗的在线软测量。3.如权利要求2所述电容器参数的神经网络逆软测量方法,其特征在于电容器运行过程(1)的内含传感器( 的主输入量为电容器补偿容量&、电容器介质损耗& ;辅输入量为电容器的运行电流U1、电容器温度U2 ;输出量为电容器的运行电压x3、电网频率& ;该内含传感器( 可逆;内含传感器逆的主输入量为电容器的运行电压X3、电网频率&,辅输入量为电容器的运行电流U1、电容器温度U2,输出量电容器补偿容量X1、电容器介质损耗&。4.如权利要求1、2所述电容器参数的神经网络逆软测量方法的软仪表构造方法,其特征在于采用数字信号处理器构造神经网络软仪表,其中,内含传感器O)的辅输入量,即电容器的运行电流U1、电容器温度U2接数字信号处理器的输入端,内含传感器O)的输出量电容器的运行电压X3、电网频率X4接数字信号处理器的输入端。数字信号处理器程序包括主程序和两个中断服务子程序;数字信号处理器主程序先对数据进行初始化,然后进入数据显示与故障诊断的循环;主程序数据显示与故障诊断期间, 按一定时间间隔运行软测量中断服务子程序,如果出现故障则运行异常中断服务子程序; 软测量中断服务子程序的处理流程为先对主程序进行现场保护,然后通过互感器、传感器和模数转换器转换采集电压、电流、温度和频率数据,再对数据进行滤波处理,对滤波后的数据进行神经网络逆运算,将得到的结果输出到人机界面的存储器中,最后恢复现场并返回主程序。5.如权利要求1所述的配电网智能电容器在线监测系统,其特征在于所述现场前置装置中的电容器与放电线圈相连接,放电线圈通过信号电缆与信号采集终端连接。6.如权利要求1所述的配电网智能电容器在线监测系统,其特征在于所述电流互感器及电压互感器通过信号电缆与信号采集终端连接。7.如权利要求1所述的配电网智能电容器在线监测系统,其特征在于所述温度传感器通过信号电缆与信号采集终端连接,温度传感器采用DS18B20数字温度传感器完成对电容器温度以及环境温度的采集。8.如权利要求1所述的配电网智能电容器在线监测系统,其特征在于所述信号电缆都为屏蔽传输电缆。9.如权利要求1所述的配电网智能电容器在线监测系统,其特征在于所述数字信号处理器采用TMS32本文档来自技高网...

【技术保护点】
1.一种电容器参数的神经网络逆软测量方法及在线监测,其特征在于通过对神经网络的训练确定各权系数构造神经网络逆系统,来实现对电容器补偿容量、电容器介质损耗的测量;智能电容器在线监测系统的现场前置装置(4)包括并联电抗器、并联电容器、电容器套管、避雷器、熔断器、温度传感器、电流互感器、电压互感器、放电线圈及信号电缆;在线监测系统的信号采集终端(5)包括模数转换器、数字信号处理器、复杂可编程逻辑控制器、报警装置及人机界面。所述的电压互感器、电流互感器及温度传感器的输出送至所述的模数转换器的输入口,该模数转换器的输出接所述数字信号处理器的数据输入口,所述数字信号处理器的控制输出接所述报警装置及所述复杂可编程逻辑控制器的输入端,该复杂可编程逻辑器件的输出控制所述断路器的通断。所述电抗器与所述电容器并联连接,构成LC无源滤波器,滤除谐波。

【技术特征摘要】

【专利技术属性】
技术研发人员:叶小松刘国海吴振飞廖志凌邢鸣梅从立
申请(专利权)人:江苏镇安电力设备有限公司
类型:发明
国别省市:32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1