Upload
sanjin
View
2
Download
0
Embed Size (px)
DESCRIPTION
neuronske mreže
Citation preview
PRIMJENA NEURONSKIH MREŽA U PRIMJENA NEURONSKIH MREŽA U POSTUPKU PODEŠENJA DISTANTNE POSTUPKU PODEŠENJA DISTANTNE
ZAŠTITE VISOKONAPONSKIH ZAŠTITE VISOKONAPONSKIH PRIJENOSNIH VODOVAPRIJENOSNIH VODOVA
Poslijediplomski studij2010/2011
Doc. dr.sc. Srđan SkokDoc. dr.sc. Srđan Skok
Prof. dr. sc. Ante MarušićProf. dr. sc. Ante Marušić
Pregled izlaganjaPregled izlaganja
Uvod Distantna zaštita visokonaponskih vodova Opis problema Osnove korištenih neuronskih mreža Opis razvijenih adaptivnih modela distantne zaštite Analiza razvijenih adaptivnih modela distantne
zaštite Zaključak
UvodUvod
Relejna zaštita - podsustav ees-a, a vezana je uz svaki element ees-a. U ovom radu razmatra se relejna zaštita visokonaponskih prijenosnih vodova.
Relejna zaštita visokonaponskih prijenosnih vodova - najznačajnija zaštita je distantna zaštita.
Težnja za što uspješnije prilagođenje (adaptiranje) distantne relejne zaštite zbivanjima u ees-u
Adaptivna zaštita predstavlja zaštitu koja dozvoljava i traži takva podešenja koja odgovaraju trenutnim pogonskim uvjetima u ees-u.
Adaptivni koncept zaštite - digitalni releji
Uvod (2)Uvod (2)
Principi rada digitalnih releja - Rockefeller 1970-tih Algoritmi djelovanja stalno se poboljšavaju - korištenje
umjetne inteligencije (NN, Fuzzy logic, GA,...) Cilj rada - rješenje sljedećih problema distantne zaštite
visokonaponskih prijenosnih vodova: višestrano napajanje mjesta kvara + otpor na mjestu kvara i utjecaj međuinduktivnog djelovanja prilikom zaštite
dvostrukih vodova + otpor na mjestu kvara. Korištene Neuronske mreže: MLP, Kohonenova mreža Vlastita programska podrška (Borland C, Visual Basic) Test primjeri na konkretnom dijelu ees-a HEP-a
Distantna zaštita visokonaponskih Distantna zaštita visokonaponskih prijenosnih vodovaprijenosnih vodova
Distantni releji - mjerenje impedancije od mjesta ugradnje releja do mjesta kvara:
lZZV 1
Vrijeme djelovanja:
IUktd
Napon na mjestu ugradnje releja, pri 3-p k.s.:klZIU 1
kd lKt - distantni releji
Princip djelovanja distantne zaštitePrincip djelovanja distantne zaštite
A B C D
Un
U (p.u.)
I (p.u.)
Z
K1 K2
t = k Zd mjI K1
K2I
UK1
UK2
Z I Z II Z III
I K1 K2IUK1 UK2<
>Z K1 Z K2<
Z K1
Z K2
v
Z (p.u.)
t (s)
t I
t II
t III
I K1
K2I
Elektromehanička i Elektromehanička i statička distantna zaštitastatička distantna zaštita
///U
I
R,S,T
R,S,T ///
R
X
&
D
X
R
I> / Z<DC
DCU DC
U F
I +(k I )F 0
Signalizacija
Isključenjeprekidača
12
3
4
5
69
7 8
Poticajničlan
tMjerni sustav
Preklopničlan
1 = ulazni tansformatori2 = preklopni član3 = poticajni član4 = vremenski član5 = mjerni sustav6 = signalizacija7 = logika okidanja8 = okidni (izlazni) relej9 = DC/DC pretvornikD = usmjereni članX = reaktantni članR = otporni član
Blok shema statičkog distantnog releja LZ92-1 (BBC)
Digitalna distantna zaštitaDigitalna distantna zaštitat
t
t
X, R = Fx u(n), i(n) z
n
n
t
s(t)
f(t)
u(t)
u(t)
f(n)
(n)
ulaznih veličina
A / D pretvorba
Algoritam zaštite
Digitalni filteri
Logika djelovanja
Djelovanje zaštitena prekidač,
signalizacija djelovanja
Uzimanje uzoraka iprivremeno
pohranjivanje
Ulazni birač(multiplekser)
Analogni filteri
Filtrirane ulazneveličine
Pretvorba strujnihveličina u naponske
Galvansko odvajanje
i(t)u(t)
L1, L2, L3, N
P
X
R
}
011110011101
Pojednostavljena struktura digitalnog distantnog releja EPAC 3000 (ALSTOM)
Multipleksor
Prijenosnoračunalo
LokalnoRS232sučelje Lokalno
LCDsučeljeUzimanje
uzoraka iprivremeno
pohranjivanje
RS232lokalna kom.
Sustav zazapis
događajaWin TPE
Digitalniulazi
Filtri, algoritmizaštite, logika
djelovanja,komunikacija
Vanjskaveza
Komunikacijskiprotokol prema
IEC 870-5
Izlazi
EPAC 3000
U
I
Filter
Filter
Opis problemaOpis problema
Dvostrano napajanje kvara Dvostrano napajanje kvara s otporom na mjestu kvara s otporom na mjestu kvara
RELEJ A RELEJ BIA IB
RF
IF
U AUB
1-mm
Model jednopolnog kvara na visokonaponskom prijenosnom vodu
FBAVAA RIIZmIU
FA
BVA R
IIZmZ
1
GF
A
BG ZR
IIZ 1
Dvostrano napajanje kvara s otporom Dvostrano napajanje kvara s otporom na mjestu kvarana mjestu kvara
X
R
mZ VZ A
ZG
ZV
0.85 ZV
X
R
mZ V
Z A
ZG
ZV
0.85 ZV
Moguća pogrešna djelovanja releja
Pozitivan kut između struje IB i IA () Negativan kut između struja IB i IA ()
Zaštita dvostrukog vodaZaštita dvostrukog voda
UAUB
ZAdnZ
vd
Z vd
ZAd(1-n)Z
BdR
I Hd
IGd
UA
RELEJ
R FUB
Model jednopolnog kvara na dvostrukom vodu
Shema direktnog sustava
Zaštita dvostrukog vodaZaštita dvostrukog voda
ZA0
nZv0
Z v0
Zv0
(1-n)Z
B0R
I H0
IG0
nZm0Z
m0(1-n)
ZA0
n(
Zv0
(1-n)(Z
B0R
IH0
IG0
nZm0
Zm0
(1-n)
- Zm0
Zv0
- Zm0
) Z v0- Zm0 ) Transformirana shema nultog sustava
Shema nultog sustava
Zaštita dvostrukog vodaZaštita dvostrukog voda
Napon na mjestu R:
0000 HmGvGiviGdvdR InZInZInZInZV
0000 )( HmGvdvGvdR InZIZZnInZV
0
00
0H
vd
mG
vd
vdvGvdR I
ZZI
ZZZInZV
ako je:
0GGiGdG IIII
0GGiGd III
vivd ZZ
Distantni relej mjeri:
vdR
RR mZ
IVZ
Relej mjeri struju:
00
00
Hvd
mG
vd
vdvGR I
ZZI
ZZZII
00
Gvd
vdvGR I
ZZZII
vd
vd
vdv
G
G
G
H
vd
m
vdR
RR Zn
ZZZ
II
II
ZZ
nZIVZ
0
0
0
00
1
impedancija koju mjeri relej iznosi:
Zaštita dvostrukog vodaZaštita dvostrukog voda
Utjecaj pogreške ovisi i o uklopnom stanju voda:
b)a)
Uklopna stanja koja uzrokuju pogrešku djelovanja releja
c)b)a)
Uklopna stanja koja ne uzrokuju pogrešku
Osnove korištenih neuronskih mrežaOsnove korištenih neuronskih mreža Osnovni element neuronskih mreža - neuron
wk1
wk2
wkp
x 1
x 2
xp k
aktivacijska funkcija
y ...izlazk
...pragulazi
+u k
p
jjkjk xwu
1 kkk uy ae
1
1
Višeslojni perceptron (MLP)Višeslojni perceptron (MLP) MLP mreže imaju:
jedan ulazni, jedan izlazni i jedan ili više skrivenih slojeva neurona
Nelinearna, glatka izlazna karakteristika, često se koristi sigmoidna aktivacijska funkcija, mreža je dobro povezana.
IZLAZ
ULAZ
Ulazni sloj
Izlazni sloj
Skriveni sloj
MLP koristi algoritam učenja s povratnom propagacijom pogreške učenje pod nadzorom s ispravkom pogreške potrebno je postići minimum prosječne kvadratne pogreške
Višeslojni perceptron (MLP)Višeslojni perceptron (MLP)
Višeslojni perceptron je korišten u mnogim primjenama: NETtalk: neuronske mreže koje uče izgovarati engleski tekst, Prepoznavanje govora, OCR (prepoznavanje slova), Identifikacija sustava, Automatsko upravljanje, Upravljanje autonomnim vozilom, Detekcija i klasifikacija radarskih i sonarskih signala, Medicinska dijagnostika srčanih bolesti, Analiza signala i slika.
Samoorganizirajuće mreže (Kohonenova)Samoorganizirajuće mreže (Kohonenova)
uče bez nadzora - ne postoji učitelj algoritam kompetitivnog učenja (engl.
"winner-takes-all”) samo jedan neuron može se aktivirati -
pobjednik neuron pobjednik je neuron s težinom
najbližom ulaznom vektoru
Primjeri primjena kompetitivnog učenja su: Biparticija grafa, Kvantizacija vektora za kompresiju, Klasifikacija vektora za prepoznavanje objekata.
Samoorganizirajuće mreže (Kohonenova)Samoorganizirajuće mreže (Kohonenova)
Primjer 2-D preslikavanja 1000 iteracija s korakom 200
Razvijeni adaptivni modeli Razvijeni adaptivni modeli distantne zaštitedistantne zaštite
Ulazne veličine: napon, struja i kut među njima na mjestu ugradnje releja (kut između struja kvara s obje strane voda)
Izlaz - relej djeluje ili ne djeluje (0 ili 1)
Dvostrano napajanje kvara + otpor na mjestu kvaraDvostrano napajanje kvara + otpor na mjestu kvara
Model distantne zaštite korištenjem MLPModel distantne zaštite korištenjem MLP
3 ili 4 ulazna neurona
1 izlazni neuron
Broj skrivenih slojeva i neurona u njima obično se određuje empirijski Četvrti ulazni parametar - kompliciranija izvedba, ali i veća sigurnost pravilne prorade releja
Model distantne zaštite korištenjem MLPModel distantne zaštite korištenjem MLP
RELEJ A RELEJ BUAUB
Komunikacijski vod
U I
Impuls okidanja
Računalo
MLP
Model adaptivne distantne zaštite
|U| [V] |I| [A] [°] [°] izlaz15630.41 1552.6 68.4 13.25 019051.29 1467.72 68.1 12.76 019628.22 1456.35 68.1 12.6 022817.42 1406.14 55.8 12.6 026320.06 1349.93 47.3 12.6 044669.03 956.17 26.3 12.6 046247.79 910.4 25.2 12.6 019900.11 1451.71 68 12.51 123247.01 1398.83 55.3 12.51 126911.3 1339.52 46.7 12.51 1
45548.39 931.31 25.9 12.51 147100.16 884.97 24.8 12.51 1
Najteže je u ovom modelu ostvariti komunikaciju između releja Model distantne zaštite osnovan na MLP treba relativno veliki broj iteracija tijekom učenja Djelomično se može smanjiti broj iteracija optimalnim odabirom broja skrivenih slojeva i broja neurona u svakom sloju
Primjeri za učenje
Model distantne zaštite korištenjem Model distantne zaštite korištenjem Kohonenove mrežeKohonenove mreže
model prepoznaje oblik modificirane radne karakteristike koju bi relej trebao imati da riješi zadani problem
model ne treba komunikaciju između releja
Optimalna karakteristika releja
Optimalna karakteristika rješava problem m[0,1] RF[0,5] 110 kV vod Plomin - Lovran Sivo područje - relej djeluje (m<0.85) Crno područje - relej ne djeluje (m>0.85) 2346 različitih točaka
Model distantne zaštite korištenjem Model distantne zaštite korištenjem Kohonenove mrežeKohonenove mreže
Kohonenova mreža treba prepoznati optimalnu karakteristiku Mreža ima dva ulaza (R i X) i Kohonenov sloj od 45x45 neurona Modificirano učenje - prepoznavanje dva oblika tijekom jednog perioda učenja Svakoj točki pridružena je i vrijednost djelovanja releja - 1 ili 0 Svaka točka je ili "siva" - relej treba djelovati ili "crna" - relej ne smije djelovati
RELEJ A RELEJ BUAUB
U IImpuls okidanja
Računalo
Kohonen
Shema adaptivne zaštite
R[] X[] Prorada [0/1]... ... ...
42.68 20.91 143.5 21.1 144.32 21.28 145.14 21.46 145.96 21.65 15.13 12.71 0
6 12.9 06.86 13.09 07.72 13.29 08.59 13.48 0... ... ...
Primjeri za učenje
Model distantne zaštite korištenjem Model distantne zaštite korištenjem Kohonenove mrežeKohonenove mreže
Rezultat učenja Kohonenove mreže
Za neki proizvoljno zadani 1p kvar dobivaju se vrijednosti napona i struje, odnosno impedancije Računa se najbliži (prema euklidskoj udaljenosti) neuron - neuron pobjednik Relej treba odraditi pobjednik neuron u "sivom" području, ne smije odraditi ako je u "crnom" području.
Zaštita dvostrukog vodaZaštita dvostrukog voda
Model distantne zaštite korištenjem MLP Model distantne zaštite korištenjem MLP
distantnirelej
stanično računalo-
proračun faktora korekcije
mjerenja podešenjereleja
distantnirelej
stanično računalo-
proračun djelovanja releja
V i I u stanju kvara
impuls okidanja
prvi model drugi model
Ulaz: struja i napon na mjestu ugradnje releja (+uklopno stanje) Izlaz: faktor korekcije .
Ulaz: struja i napon na mjestu ugradnje releja (+uklopno stanje)Izlaz: impuls okidanja (1 ili 0)
Model distantne zaštite korištenjem Model distantne zaštite korištenjem Kohonenove mrežeKohonenove mreže
dvostruki 400 kV vod Žerjavinec - Héviz 2100 primjera ulaz: (R i X) Kohonenov sloj ima 50x50 neurona
Optimalna karakteristika releja Rezultat učenja Kohonenove mreže
Analiza razvijenih modelaAnaliza razvijenih modelaDvostrano napajanje kvara + otpor na Dvostrano napajanje kvara + otpor na mjestu kvaramjestu kvara
PLOMIN LOVRAN
rel. A rel. B
I k3BI k1B
I k3AI k1A
PLOMIN LOVRANI''k3 2370 -89.7° A 19759 -70° AIk1 2041 -89.6° A 19562 -70.3° AZd 0.13+j26.79 1.10+j3.02 Z0 0.18+j39.74 1.08+j3.13
15°
68.1°
25°
R=5.07
X=12.61
X
R
Podaci o vodu l=23.5 km 3x150Al/Č+1x50Č U=110 kVDirektni sustav rd=0.19 /km xd=0.42 /km Zd=4.47+j9.87
Nulti sustav r0=0.42 /km x0=1.1 /km Z0=9.87+j25.85
radinerelejjZR 61.1201.13,01.1369.248.2791.27
m Rf [] |Z| [] [°] [°]0.5 4.5 25.76 29 13.40.5 5 27.91 27.8 13.4
0.84 0 13.48 68.1 12.60.84 4 42.66 27.7 12.60.84 4.5 46.72 26.3 12.60.84 5 50.8 25.2 12.60.9 0 14.12 67.9 12.290.9 5 58.88 23.7 12.29
0.94 0 14.45 67.8 12.010.94 5 66.01 22.4 12.01
Model distantne zaštite korištenjem MLPModel distantne zaštite korištenjem MLP
m RF [ ] |Z| [ ] Kut [°] izlaz0.74 4.5 38.17 28.1 0.9808040.74 5 41.38 26.9 0.966490.82 0 13.23 68.1 0.6049850.82 0.5 15.84 56.2 0.5822690.82 1 18.93 47.8 0.5738050.82 1.5 22.31 41.9 0.5629870.82 2 25.86 37.6 0.5512870.82 2.5 29.52 34.4 0.497456**0.82 3 33.25 31.8 0.459823**0.82 3.5 37.04 29.8 0.459622**0.82 4 40.87 28.2 0.455114**0.82 4.5 44.72 26.8 0.429866**0.82 5 48.59 25.7 0.429736**0.88 0 13.92 68 0.00060.88 0.5 17.02 54.9 0.0003050.88 1 20.71 46.1 0.0005880.88 1.5 24.75 40.1 0.0010950.88 2 28.98 35.8 0.0018540.88 2.5 33.33 32.6 0.0027730.88 3 37.76 30.1 0.0041510.92 4 51.85 25.3 0.0001410.92 4.5 57.03 24.1 0.0000970.92 5 62.23 23.1 0.000066
Učenje je provedeno do točnosti 5%. 20000 iteracija. Izlaz > 0.5 - relej treba djelovati. Izlaz < 0.5 - relej ne smije djelovati.
Model distantne zaštite korištenjem Model distantne zaštite korištenjem Kohonenove mrežeKohonenove mreže
Ulaz: točaka u R-X ravnini 45x45 neurona u
Kohonenovom sloju 20000 iteracija
Zaštita dvostrukog vodaZaštita dvostrukog voda
ŽERJAVINEC HÉVIZ
rel. A I k3BI k1B
I k3AI k1A
15°
25°
X
R
ŽERJAVINEC HÉVIZZd [] 1.71+j19.36 2.54+j27.52Z0 [] 3.42+j26.40 5.60+j36.00
Podaci o vodu l[km]Žerjavinec-drž. granica 2x3x2x490/65 Al/Č 1xAA/ACS 121/56 97.8
Drž. granica-Héviz 2x3x2x500/65 Al/Č 1x95/55 Al/Č + 1x68/22 Al/Ac 70
m RF [] R [] X []0.42 0 4.25 23.740.42 0.5 5.1 23.750.5 5 14.52 28.39
0.84 0 8.27 49.30.84 0.5 9.96 49.30.9 5 28.32 53.41
0.95 0 9.2 57.170.95 0.5 11.45 57.16
radinerelejZR 42.2385.056.2774.23,j23.744.25
Model distantne zaštite korištenjem MLPModel distantne zaštite korištenjem MLP
Učenje je provedeno do točnosti 5%. 20000 iteracija. Izlaz > 0.5 - relej treba djelovati. Izlaz < 0.5 - relej ne smije djelovati.
m RF [] R [] X [] Izlaz0.81 4 20.62 47.3 1.000.0000.81 4.5 22.2 47.3 0.7999990.81 5 23.77 47.3 0.7999990.83 0 8.19 48.63 0.7998430.83 0.5 9.83 48.63 0.6997050.83 1 11.48 48.63 0.6995260.83 1.5 13.13 48.63 0.5993540.83 2 14.77 48.62 0.499252**0.83 2.5 16.42 48.62 0.499134**0.83 3 18.07 48.62 0.437293**0.83 3.5 19.72 48.62 0.407345**0.83 4 21.36 48.62 0.402890**0.83 4.5 23.01 48.61 0.405046**0.83 5 24.66 48.61 0.398875**0.87 0 8.54 51.34 0.0000010.87 0.5 10.35 51.34 0.0000010.87 1 12.16 51.34 00.87 1.5 13.96 51.34 00.91 0.5 10.88 54.17 00.91 1 12.89 54.17 00.91 1.5 14.89 54.16 00.91 2 16.9 54.16 00.91 2.5 18.91 54.15 00.91 3 20.91 54.15 0
Model distantne zaštite korištenjem Model distantne zaštite korištenjem Kohonenove mrežeKohonenove mreže
Ulaz: točaka u R-X ravnini 50x50 neurona u
Kohonenovom sloju 20000 iteracija
Analiza rezultata provjere Analiza rezultata provjere adaptivnih modela distantne zaštiteadaptivnih modela distantne zaštite
Dvostrano napajanje Primjeri za učenje Broj iteracija Primjeri za provjeru Broj pogreška Pogreška %Višeslojni perceptron 66 20000 44 6 13,60%Kohonenova mreža 2346 20000 121 3 2,50%
Dvostrano napajanje Primjeri za provjeru 0.8<m<0.84 Pogreška Pogreška % 0.86<m<0.9 Pogreška Pogreška %Višes. Percep. 44 11 6 54.5 11 0 0
Koh. Mreža 121 22 2 9.1 22 1 4.5
Dvostuki vod Primjeri za učenje Broj iteracija Primjeri za provjeru Broj pogreška Pogreška %Višeslojni perceptron 110 20000 44 7 15.9Kohonenova mreža 2100 20000 132 2 1.5
Dvostrano napajanje Primjeri za provjeru 0.8<m<0.84 Pogreška Pogreška % 0.86<m<0.9 Pogreška Pogreška %Višes. Percep. 44 22 7 31.8 11 0 0
Koh. Mreža 132 55 2 3.6 44 0 0
ZaključakZaključak
Svaki adaptivni model zaštite primjenljiv je u stvarnom ees-u. Smanjenje greške s obzirom na algoritme koji ne sadrže
modifikaciju radne karakteristike - element učinkovite zaštite visokonaponskih prijenosnih vodova.
Kohonenova mreža pripada grupi novijih istraživanja obzirom na predmetnu problematiku: binarni se problem rješava jednostavnije nego pomoću MLP u graničnom dijelu radne karakteristike distantnog releja rezultati dobiveni
upotrebom Kohonenove mreže su kvalitetniji, dok vrijeme odziva i učenja nije duže u usporedbi s primjenom višeslojnog perceptrona.
Zaključak (2)Zaključak (2)
Istraživani modeli adaptivne distantne zaštite mogu se primjeniti i na: mjesto utvrđivanja kvara, prepoznavanje vrste i naravi kvara, tzv. adaptivno podešavanje usmjerenosti releja i zaštita vodova na kojima se koristi serijska kompenzacija u smislu povećanja
prijenosne moći i stabilnosti napona. Može se na slično istraživane probleme "preporučiti" korištenje
neuronskih mreža posebno Kohonenovu mrežu.