刍议动车组过分相区故障识别和动车组过分相区继电保护

刘毅

摘 要：动车组过分相区故障识别与继电保护具有一定的难度，在研究分析中很难建立准确的数学模型，BP算法是动车组过分相区故障识别中的重要技术，可以快速识别出动车组过分相区中存在的故障问题，满足了动车组的安全运行要求。为了保证动车组运行安全，文章就动车组过分相区故障识别与继电保护两方面内容进行了研究。

关键词：动车组；过分相区；故障识别；继电保护

1 动车组过分相区故障识别中的人工神经网络BP算法概述

1.1 基于人工神经网络的BP算法

动车组过分相区发生运行故障会影响动车组的安全运行状况，为了对动车组过分相区中存在的故障有一个清晰的认识，文章利用智能控制领域内的BP算法对动车组过分相区以及分相区的中性线出现接地故障时其状态进行了全方位的智能识别，利用这种方式能够快速排除动车组运行故障，同时还能够使继电保护装置快速动作，为动车组运行提供保护。

人工神经网络克服了传统人工神经网络方法对语音识别、模式以及分结构化信息处理等方面的局限，该算法具有较强的非线性适应性信息处理能力，基于人工神经网络的功能性，使之在模式识别、人工神经专家系统以及智能控制等多个领域广泛应用。人工神经网络中包含了多种算法，基本上都具有故障识别的作用，但是不同的算法所产生的作用力也是不同的，基于人工神经网络的BP算法较为常用，利用该种诊断技术，在故障识别过程中无需建立精确的数学模型，它能够解决其他常规算法所不能解决的故障诊断，对动车组过分相区故障识别具有重要意义。

1.2 基于人工神经网络BP算法的优势与缺陷分析

人工神经网络BP算法是目前解决动车组故障诊断的创新途径，其在动车组过分相区故障识别中的广泛应用是由其本身的功能性决定的。其优势主要表现在两方面，一方面只要具备足够的隐节点以及隐含层，人工神经网络BP就可以随意的逼近非线性映射关系，具有一定的随意性，另一方面人工神经网络BP属于一种全局逼近的方式，具有较好的泛化能力，BP网络可以实现输入与输出的非线性映射关系，在此过程中其不依赖模型，即使人工神经网络中有个别神经元损坏，虽对输入输出有影响，但影响相对较小，由此可见人工神经网络BP算法具有良好的容错能力。然而人工神经网络BP算法也存在一定的局限性，其在应用中收敛速度较为缓慢，隐含层与隐节点的实际数目难以准确定位。

2 人工神经网络BP算法下的动车组过分相区故障识别仿真分析

人工神经网络BP算法在动车组过分相区故障识别中的应用大致可以分为四个步骤，第一，利用该种算法对动车组过分相区进行故障识别与诊断，获取动车组过分相区与未过分相区中各种状态下的仿真数据，为故障诊断与故障识别提供有效依据。第二，对动车组过分相区与未过分相区故障识别仿真实验中的各个参数值进行有效提取，并根据这些参数值对动车组过分相区中存在的故障问题进行全面分析。第三，以输入的数据特点以及系统所需数据输出要求为依据，从而确定输入与输出层的节点数以及隐含层的节点数。第四，将需要处理的矢量参数以及信息数据输入到网络系统中，而后进行一系列训练，训练成功之后再将预先设定的训练结果以及信号进行比较验证。在动车组过分相区故障识别仿真实验中若隐含层节点数过多，会导致识别时间过长，不能在短时间内对动车组运行故障进行判断，会影响动车组的整体运行状况，而隐含层节点数太少则容错性较差，识别样本能力也相对较低，因此在仿真实验中要综合考虑各种因素的影响，在仿真实验中要想得到准确的结果，需要对系统中的各个变量进行反复训练，同时还要对其进行收敛，在利用人工神经网络BP算法计算时若实际计算中能够得到和与其相近的值，那么就表明动车组过分相区的运行状态被识别。

在仿真实验中将正馈线电压、接触线电压、暂态过程一的暂态过电压、暂态过程一的暂态过电压、暂态过程三的暂态过电灰、暂态过程四的暂态过电压，将这六个变量输入到系统中，将线路所呈现的六种状态作为输出，在利用人工神经网络BP算法进行方针数据处理以及状态识别时，诸多BP神经网络实验模型基本上都是以S形函数作为实验中的转换函数，将函数的值域定义为[0，1]，那么在训练过程中就要将原始数据合理规范到[0，1]区间内，而后再统一利用标准归一化方式来实现。将六种线路的状态相关数据进行归一化处理，即将状态数据处理在0～1以内。在仿真实验中要利用人工神经网络BP算法对动车组过分相区进行智能化故障识别，并保证故障识别的准确性，就要对归一化数据进行大量并反复训练，通过大量及反复训练得到的误差曲线结果是快速的，收敛的，能够为动车组过分相区故障识别利用精确数据。

3 动车组过分相区继电保护研究

动车组过分相区中的继电保护可以分为三种保护模式，分别是线路保护、分相区保护以及合闸过电压保护，这三种保护方式对动车组过分相区的安全与稳定运行都有一定的保护作用，但是三者的保护方式有所区别，以下是对这三种保护模式的具体分析：

3.1 线路保护

线路保护为了改善功率因数，机车上还设置有三次与五次谐波的滤波电路，为使谐波含量系数能够准确反映高次谐振状况，通过高次谐振状况可以对线路保护中的电阻继电器动作进行判定，电阻继电器动作方程式为：

XZD，RZD分别是指电阻与电抗整定值。线路保护在对动车组过分相区实施保护动作时，为了避免动车组过分相区出现保护误动的状况，那么需要利用二次谐波进行闭锁操作。线路保护动作应根据动车组过分相区实际情况来选择，高次谐波抑制式电流增量保护也是线路保护中的一种，对动车组相区也有一定的保护作用。

3.2 分相区保护

分相区保护设置与线路保护设置相比相对较为复杂，在动车组运行过程中利用分相区保护方式可以在动车组分相区中性线位置设置RC保护与RL保护，其中RL保护能够被开关控制，利用这两种保护方式基本上可以解决动车组特定机型的暂态过电压问题，然而目前很多型号的动车组机车在牵引网中运行，RL与RC保护方式具有一定局限性，在这种运行条件下常出现的问题是过电压与过电流问题，针对这两种问题可以采取电压增量保护与电流速断保护的方式。

3.3 合闸过电压保护

动车组过分相区发生故障之后，需要在分区亭处先进行合闸操作，而后再牵引变电所进行再合闸操作，故障时合闸的主要目的是为了检验动车组故障属于暂态性故障还是永久性故障。动车组中的短路故障属于暂态故障，而短线故障则属于永久性故障，暂态故障发生后所产生的暂态过电压会在60ms之后稳定在正馈线与界线中，而永久性故障则会稳定在一个新电压状态下，为动车组过分相区运行提供一个良好的状态。

4 结束语

综上所述，动车组过分相区运行环境具有一定的复杂性，在运行中常发生一系列的故障，这些故障或多或少都会对动车组的正常运行造成影响，因此对动车组进行故障识别，并采取继电保护尤为必要。基于人工神经网络的BP算法是现今动车组过分相区故障识别中的一种新方法，可以在不建立模型的情况下进行故障诊断识别，快速查出故障原因，并根据实际情况采取相应的保护措施，为动车组过分相区运行提供安全保障。

参考文献

[1]董菲.基于BP算法的AT牵引供电系统状态识别[J].电气化铁道，2011，12 （6）：4-7.

[2]成海燕.高速铁路牵引网分相区的继电保护原理研究[D].大连交通大学，2012，6（13）：1-43.