李金，苗帅，陶文伟，张喜铭，丁坚勇，朱海龙

(1.中国南方电网有限责任公司，广东 广州510623；2.武汉大学 电气工程学院，湖北 武汉430072)



基于GRNN的二次设备在线监测信息预测

李金1，苗帅2，陶文伟1，张喜铭1，丁坚勇2，朱海龙1

(1.中国南方电网有限责任公司，广东 广州510623；2.武汉大学 电气工程学院，湖北 武汉430072)

针对电网二次设备在线监测信息中连续变化的信息，如电源电压、装置温度、CPU使用率等，应用广义回归神经网络(generalized regression neural network，GRNN)对这些信息在线监测值进行预测，通过对比预测值和实际值，得出相对误差曲线；再与反向传播算法(back propagation，BP)神经网络和径向基函数(radial basis function，RBF)神经网络进行对比，验证了GRNN在预测中具有更高的准确性。同时，探讨了将二次设备在线监测信息的关联性考虑进预测中，将温度和CPU使用率关联并进行预测，与之前的预测结果进行对比，证明将信息之间的关联性考虑到预测中去有助于提高状态预测的准确性。

二次设备；在线监测信息；广义回归神经网络；关联性；径向基神经网络；预测

随着电力系统的不断发展和智能电网的逐渐普及，二次设备在电力系统中的投入运行量急剧增加，二次设备在长期工作时，硬件和软件不可避免的会逐渐老化和劣化，导致其运行可靠性降低，也因此加大了一次设备及电网整体的运行风险。利用传感器、电子技术、计算机技术实施对二次设备的在线监测，能更加全面的了解二次设备的实时运行状态，减小二次设备突然故障造成的损失。目前，对电气二次设备的在线监测与分析已经成为智能电网建设的重要内容之一[1-3]。……