简述鹤岗变压器保护ANN工艺的实践情况

　　人工智能抛开执行过程，数字继电器基本上类同于前几代产品：抽取特定的信号（比如磁场量、有功量/无功量、阻抗分量等）与预置量或可调定值对比，然后产生动作信号。继电保护的任务之一是将内部故障同其它情况区别，随后动作或拒绝。这就使人工智能法可替换现有继电器或用于提高现有继电保护性能。

　　模糊逻辑应用多标准的差动继电器是模糊逻辑应用于继电保护最好例子。该技术具有以下特点：（l）考虑到测量算法中的动态误差，幅值、谐波分量等信号都需经模糊化，用模糊化数字替代实际数字。由于模糊过程提供了特殊灵活的过滤器，故可以用更快速的测量算法提高保护动作速度。（2）整定值同样也由模糊数字替代，以解决动作区和非动作区灵敏度不够的问题（3）模糊信号经与模糊定值对比后形成模糊逻辑变量，真与假。

　　ANN的应用由于ANN可以提供极为出色的识别模式，故为许多致力于鹤岗变压器保护应用研究者推崇。鹤岗变压器保护ANN技术的应用有以下假设：（1）所有电流包括相、制动差动电流都要送人ANN系统，滚动窗口数据包括现在的、历史的采样信号也都要送入ANN。（2）刀侧输出结果经编码译为跳闸命令。（3）敞开式的ANN训练模式包括了涌流、内部故障、外部故障，只有选定数据窗口才可供训练使用。（4）需要采用额外的预处理、延迟处理。ANN法也可分为整体法和特殊现象处理法。

　　对于第一种情况，网络被用来区别内部故障和其它现象，第二种情况，用来区别内部故障和特定的非故障模式（比如涌流）。另外，ANN系统还采用其它附加功能，比如修复由于件饱和引起的二次电流变形。以AN为基础的鹤岗变压器保护继电器呈现出引人注意的安全性和可靠性。三相的差动电流和制动电流的半周波窗口数据送人AN。该网络有30个输人神经元，在隐蔽层有巧个神经元，1个输出神经元。