Застосування штучних нейронних мереж у системах релейного захисту електропостачання для розпізнавання аварійних режимів

Abstract

У статті досліджено можливість застосування штучних нейронних мереж у системах релейного захисту електропостачання з метою підвищення надійності, швидкодії та адаптивності розпізнавання аварійних і передаварійних режимів роботи електричних мереж. Показано, що традиційні пристрої релейного захисту, побудовані на основі фіксованих уставок і логічних алгоритмів, мають обмежені можливості щодо адаптації до зміни параметрів системи електропостачання, топології мережі та режимів навантаження, що може призводити до помилкових або надлишкових спрацювань. Для розв’язання зазначеної проблеми запропоновано використання нейромережевого підходу, заснованого на аналізі миттєвих значень фазних струмів і напруг. Імітаційну модель системи електропостачання реалізовано в середовищі MATLAB/Simulink із використанням стандартних бібліотек електротехнічних компонентів. У процесі моделювання відтворювалися нормальні та аварійні режими роботи, зокрема режими, спричинені однофазними короткими замиканнями, що дозволило сформувати репрезентативні навчальні та тестові вибірки. У роботі наведено структуру штучної нейронної мережі, описано процес її навчання з використанням алгоритму зворотного поширення похибки та виконано аналіз збіжності навчального процесу за середньоквадратичною похибкою. Проведено тестування навченої нейромережевої моделі та досліджено процес її перенавчання за умов зміни параметрів системи електропостачання. Отримані результати підтверджують здатність нейронної мережі ефективно розпізнавати режими роботи системи та зберігати коректність функціонування після повторного навчання. Зроблено висновок про доцільність застосування штучних нейронних мереж як інтелектуального елемента систем релейного захисту електропостачання з метою підвищення їх адаптивності, зменшення ймовірності помилкових спрацювань та забезпечення стійкої роботи електроенергетичних систем за змінних умов експлуатації.

The paper investigates the possibility of applying artificial neural networks in relay protection systems of power supply networks in order to improve the reliability, speed, and adaptability of recognizing emergency and pre-emergency operating conditions. It is shown that conventional relay protection devices based on fixed settings and logical algorithms have limited capability to adapt to changes in power system parameters, network topology, and load conditions, which may lead to false or unnecessary operations. To address this problem, a neural network-based approach is proposed, relying on the analysis of instantaneous values of phase currents and voltages. A simulation model of the power supply system was developed in the MATLAB/Simulink environment using standard electrical component libraries. During the simulation process, normal and fault operating modes were reproduced, including conditions caused by single-phase short circuits, which enabled the formation of representative training and testing datasets. The paper presents the structure of the artificial neural network, describes the training process using the backpropagation algorithm, and analyzes the convergence of the training procedure based on the mean squared error criterion. Testing of the trained neural network model was performed, and the retraining process under changing power system parameters was also investigated. The obtained results confirm the ability of the neural network to effectively recognize operating modes of the power supply system and to maintain correct performance after retraining. It is concluded that the application of artificial neural networks as an intelligent element of relay protection systems is a promising approach for increasing their adaptability, reducing the probability of false operations, and ensuring stable operation of power systems under varying operating conditions.