基于人工神经网络输电线的速断保护

介绍了用人工神经网络实现输电线速断保护区内区外动作情况的判断和定位的功能，并通过对单相接地故障和三相故障的EMTP仿真测试发现，用神经网络可以在一个周期以内准确地显示和定位故障，证明了该方法的切实可行性。     

人工神经网络应用于继电保护的探讨

根据现代控制技术的人工神经网络理论,提出了一种保护原理构成方案,并分析了原理实现的可行性和技术难点。     

人工神经网络应用于继电保护的探讨

根据现代控制技术的人工神经网络理论提出了一种保护原理构成方案,并分析了原理实现的可行性和技术难点。     

基于人工神经网络的距离保护

提出一种基于人工神经元网络的距离保护新原理,利用电磁暂态仿真程序（ＡＴＰ）进行大量的仿真计算,证明了所提方法的优越性,对于线路全长的８５％以内的故障,保护所需的数据窗长为２２ｍｓ,动作时间不大于２６ｍｓ,对于线路全长的７０％以内的故障,数据窗长为１２ｍｓ,动作时间不大于１６ｍｓ。     

人工神经网络在电力系统中的应用与展望

本文阐述了人工神经网络的基本特点和实现方法,对人工神经网络在电力系统中的故障诊断、智能控制、继电保护计算优化等方面的应用研究情况进行综述,对应用研究的不足及发展作了一定的分析和展望。     

基于SPDS神经网络的电流保护

提出一种基于SPDS神经网络的全新的电流保护方式。该网络采用的是3层SPDS神经网络模型，由3部分构成：故障类型与相别判断子网络ANN1、故障方向判别子网络ANN2、振荡识别子网络ANN3。对该模型进行了各种故障状态的测试及仿真实验，并与BP网络进行比较，发现SPDS网络训练速度快，且证实了基于SPDS网络的电流保护的可行性。     

一种基于人工神经网络的短期负荷预测技术

提出了一种基于人工神经网络的电力系统短期负荷预测技术,该方法在计及曙因素对负荷预测影响的基础上,将神经网络同一种较为新颖的预报模型相结合,因而具有较高的预测精度。计算实例证明了该法的可行性和有效性。     

基于人工神经网络模型的变压器保护原理

依据人工神经网络的逼近能力,提出了一种基于人工神经网络模型的变压器保护新原理.该原理利用人工神经网络来逼近变压器的电磁关系,构建可替代变压器物理模型的人工神经网络模型,在线识别变压器的内部参数,基于参数识别后的变压器人工神经网络模型实现变压器保护.EMTP仿真实验表明,该变压器保护方法能在故障发生后半周内识别内部故障,故障特征明显,动作门槛有较大裕度,能识别变压器轻微匝间故障,且不受励磁涌流影响.     

基于人工神经网络模型的变压器保护原理

依据人工神经网络的逼近能力,提出了一种基于人工神经网络模型的变压器保护新原理。该原理利用人工神经网络来逼近变压器的电磁关系,构建可替代变压器物理模型的人工神经网络模型,在线识别变压器的内部参数,基于参数识别后的变压器人工神经网络模型实现变压器保护。EMTP仿真实验表明,该变压器保护方法能在故障发生后半周内识别内部故障,故障特征明显,动作门槛有较大裕度,能识别变压器轻微匝间故障,且不受励磁涌流影响。     

变压器保护研究的最新进展

论述了自1997年以来国内外有关变压器继电保护研究方面的最新进展：最近发展起来的小波理论对信号分析具有多分辨率的特点,已经在变压器保护的最新研究和分析中得到广泛的关注;用于状态辨识的人工神经网络因其具有高度神经计算能力、极强的自适应性、容错性以及自学习能力等特点,其在变压器保护中的应用也已成为变压器保护研究的另一个热点;还有其它一些新的变压器保护理论和思考都取得了一定的进展。     

基于SPDS神经网络的电流保护

提出一种基于SPDS神经网络的全新的电流保护方式。该网络采用的是 3层SPDS神经网络模型 ,由 3部分构成 :故障类型与相别判断子网络ANN1、故障方向判别子网络ANN2、振荡识别子网络ANN3。对该模型进行了各种故障状态的测试及仿真实验 ,并与BP网络进行比较 ,发现SPDS网络训练速度快 ,且证实了基于SPDS网络的电流保护的可行性     

人工神经网络在华北电网负荷预测中的应用

文章介绍了人工神经网络在华北电网短期负荷预测中的研究与应用,这种方法可以考虑气象因素在短期负荷预测中的影响,它能够准确地预测出华北电网的负荷,预测的结果表明这种方法在短期负荷预测中可以使精度提高０．９％。     

Insulation failure detection in transformer winding using cross-correlation technique with ANN and k-NN regression method during impulse test

In this paper, two new schemes are proposed for insulation failure detection in power transformer windings. In the first step, a real high frequency HV transformer winding is modeled based on the detailed model. Thereafter, a simulator is obtained for the insulation failure and is embedded in different locations of the winding in static and dynamic forms. In the first proposed scheme, the obtained ground current signals are used for feature selection based on the cross-correlation technique. Afterwards, a four-layered multiplier perceptron Artificial Neural Network (ANN) is trained using these features for fault detection. The accuracy rate of the ANN network was 84.33% for different faults. In the second scheme, k-Nearest Neighbors (k-NNs) is used as a regression method. The accuracy rate of this method reaches to 80.4%. Clearly, the first proposed scheme is able to detect the faults more accurately. Furthermore, in the first scheme, the accuracy rate was higher for the shunt faults in comparison to the series ones while the second scheme is more successful in detection of series failures.     

运用神经网络方法进行电网最小割集搜索的硬件实现研究

本文研究了神经网络搜索图最小割集的方法，提出了这一方法硬件实现的可行方案，并已完成了电网可靠性计算的实验研究。     

基于人工神经网络的电网频率测量方法

基于多层感知器可以任意精度逼近任何线性或非线性 基本原理,提出了一种采用多层前馈神经网络的频率测量方法,并给出相应反向传播学习算法（ＢＰ）神经网络的构造过程和训练方法。仿真结果表明,基于人工神经网络的频率测量方法具有实时性、高精度和鲁棒性,有实用价值。     

基于保护原理的神经网络式失磁保护配置方案

电力系统正常运行或事故运行中,同步发电机的励磁系统起着重要的作用,发电机须配置低励失磁保护。在分析现有的成熟的失磁保护配置方案的基础上,提出了一种人工智能技术在失磁保护配置方案中的应用——基于保护原理的人工神经网络式失磁保护配置方案。仿真验证了新方案的正确性。     

基于分布式神经网络的变压器励磁涌流鉴别的研究

针对目前变压器保护中普遍采用的利用二次谐波原理识别变压器励磁涌流存在的缺陷,提出利用分布式人工神经网络实现基于半波叠加原理鉴别励磁涌流的新方案。经仿真实验,该方案能准确地判别出变压器内部故障和励磁涌流,不受系统谐波影响,具有很高的可靠性。     

基于局部特征量的神经网络方法在变压器故障诊断中的应用

本基于局部特征量的神经网络方法对变压器的故障诊断进行了新的探索，建立了相应的故障诊断的神经网络压缩模型，实例诊断结果证明了这种方法的有效性。本方法能够诊断传统的三比值法无法诊断的故障，对于其它的故障诊断也有一定的参考意义。     

基于MILP-ANN方法的低碳智慧岛分布式发电管理模型

研究了低碳智慧岛分布式能源体系及供能模式,在此基础上构建了基于混合整数线性规划(Mixed Integer Linear Programming,MILP)和人工神经网络(Artificial Neural Network,ANN)相结合的分布式电源发电管理模型,由此安排各分布式电源的出力,并通过算例对比分析了基于MILP-ANN模型和基于MILP模型的计算结果,验证了所提出模型的合理性和先进性。