安 伦，郭献崇，刘凤云

（张家口职业技术学院,河北张家口075051）

电网是国家能源产业链的重要环节，是国民经济的重要支撑。随着电力网络的日益扩大，电网的安全性、稳定性和可靠性成为电力系统正常运行的重要保证。2001年，美国电力科学研究院提出了智能电网的概念，为建立自动化程度高、生产效能高、投资低、运行安全可靠的输配电系统指出了明确的方向。

“以特高压电网为骨干网架、各级电网协调发展的坚强网络为基础，以通信信息平台为支撑，具有信息化、自动化、互动化特征，包含电力系统的发电、输电、变电、配电、用电和调度各个环节，覆盖所有电压等级，实现‘电力流、信息流、业务流’的高度一体化融合的现代电网”是我国所提出的坚强智能电网的基本概念。从以上概念可以看出，智能电网是在数字技术、信息技术、通信技术支撑下的电力系统。其中，智能化监控系统是智能电网安全运行的重要保障。

智能电网监控系统是对电力系统中所包含的高压开关柜、低压开关柜、应急发电机组、电力变压器和EPS/UPS/ATS等设备的工作状态进行监控。通过实时记录单相/三相电压、单相/三相电流、功率、功率因数、电度、频率和电流开关状态等各项运行数据，同时将这些数据与标准参数值进行对比分析，从而达到及时发现系统故障，并对相关设备进行控制的目的，以提高系统的可靠性、安全性和自动化水平。

1 基于神经网络的智能电网监控系统分析

传统的电能监测是基于有效值的检测技术，这种方法虽然可以有效地获得电能质量的相关信息，但是由于时间较长，所以只局限于采集持续性和稳定性的电力指标，对于非线性或有瞬变可能的参数，检测效果并不理想。而智能电力结构复杂，是一个典型的非线性系统，所以传统的电能监测系统不能有效地解决智能电网的监控功能。

对于智能电网而言，传统的实时在线电力监测系统大部分只能提供直观的参数，一旦电力机组或线路的运行参数出现偏差，监测系统不能及时地反应偏差的基本特性及变化趋势，无法采取有效的措施进行故障的诊断和排除。因此，一个有效的智能电网监测系统除具有传统功能外，还需要具有以下功能：(1)能捕捉快速瞬时干扰的波形；(2)需要测量各次谐波以及间谐波的幅值、相位，需要有足够高的采样速率，以便能测得相当高次谐波的信息；(3)建立有效的分析和自动辨识系统，使之能反映各种电能质量指标的特征及其随时间的变化规律。

为了满足以上要求，智能化监测系统需要具有并行分布式处理、联想记忆、自组织、自学习能力和极强的非线性处理能力，并可以根据运行的实际情况建立智能型的监测和故障识别模型。神经网络是有效的解决方法之一。

人工神经网络是人工智能研究的方法之一，其中应用范围最广的是BP神经网络，即多层前馈式误差反传播神经网络。它可以实现从输入至输出的任意复杂的非线性映射关系，并且具有良好的泛化能力。图1给出了一个人工神经网络的拓扑结构，它属于多层感知器结构，包括输入、输出层和若干个隐层。网络工作过程中，输入信息先通过输入层节点，向前传播到隐层节点，经过计算节点的激活函数运算后，将各个计算节点的输入信息传播到输出节点，最后得到最终输出结果[1]。

图1 BP神经网络模型

基于神经网络的智能电网监控过程分为两个阶段：第一阶段为运行参数分析阶段。该阶段是神经网络的正向传播过程，主要完成各项监控数据的采集及对这些数据的指标特性分析，并对特征量进行有效选取，而后将这些数据经隐含层处理后，进行工况状态的有效识别；第二阶段为故障诊断及反向控制阶段，具体过程为如果在神经网络的输出层未能得到工况状态所期望的输出值，则逐层递归地计算实际输出电能质量参数与期望输出参数之间的差值，以便确定出下一次神经网络迭代的网络权值。具体方法如图2所示。

图2 基于神经网络的工况状态监测系统结构

在神经网络的训练地程中，网络算法可以采用Levenberg-Marquardt的算法trainlm，性能函数采用均方误差性能函数mse()来完成。但是，由于在数据的采集、特征分析、过程控制等各个环节都存在着数据的存储、模式转换等问题，因此会影响网络训练的迭代次数，产生故障发现及纠正的时间延迟。因此，采取有效的措施提高网络权值的准确性，减少迭代次数，保证监控系统的及时性和可靠性是改善神经网络方法的必要环节。

2 忆阻神经网络结构分析

忆阻器是一种具有记忆功能的非线性电阻，具有三个明显的特点：第一，忆阻器是无源器件，具有电不易失性，因此，基于忆阻器的集成电路无需费时耗能的启动过程；第二，忆阻器是一种连续器件，因而存储的精度无限；第三，忆阻器内部变量变化方式不同，可以有效地实现数字与模拟两种状态，在数据的采集和工况控制的过程中无需增加A/D与D/A的转换过程。

由于忆阻器除了具有记忆能力，还可以进行逻辑运算，这就可以将数据处理和存储过程合二为一。而目前，人工神经网络权值采取三种数据存储方式，分别为模拟、数字和混合式。采取模拟方式时，采用电容来实现网络权值的存储，这种方式，数据精度高，但是具有电容电易失性，需要增加刷新的设备；采用数字方式时可采用EEPROM进行存储，可以克服电易失性，但是数字方式存储数值为整数，精度低，同时数据改写需要较高的电压，耗能且工作不够稳定；采用混合方式时，可以克服模拟式与数字式的两种弊端，但是需要进行多次的A/D与D/A的转换，带来了额外的设备支出及产生了时间的延迟。

忆阻器在功能上是目前已知的最接近神经元突触的器件，研究结果显示，纳米忆阻器可以有效地以大脑的模式来响应同步电压脉冲，具有构筑模拟神经网络的基础条件。将忆阻器应用于人工神经网络来实现监控系统，可以改进模拟状态电易失性的缺点，且保留数据高精度的优点，减少混合模式中的A/D与D/A转换过程，因此可以有效地提高人工神经网络权值的确定精度，节省权值传输的时间，从而改善神经网络监控系统的性能。

3 总结

采用神经网络的方式构建智能电网的监控系统是目前的研究热点。而将忆阻器应用至神经网络，可以使监控系统拥有类似人类的记忆联想模式，有利于建立更加复杂的生物识别系统，从而有效地实现相应的监控功能。随着忆阻器元件的实现与完善，将会极大地改变集成电路的设计方式和传统电路的格局，从而极大地促进以人工神经网络为基础的智能电网状态监测系统的发展。

[1]刘玉英，冯英伟.基于BP神经网络的光伏组件在线故障诊断系统的开发[J].电源技术，2013（6）：65-67.

[2]王国权，刘亮.阻器应用于人工神经网络的前景[J].中国新技术新产品，2009(1)：18-19.