神经网络的基本功能精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的神经网络的基本功能主题范文，仅供参考，欢迎阅读并收藏。

第1篇：神经网络的基本功能范文

关键词：神经网络 BP网络

中图分类号：TP3 文献标识码：A 文章编号：1672-3791（2014）01（c）-0240-02

神经网络是一门发展十分迅速的交叉学科，它是由大量的处理单元组成非线性的大规模自适应动力系统。神经网络具有分布式存储、并行处理、高容错能力以及良好的自学习、自适应、联想等特点。该模型对于拟合现实复杂世界有着重要的实用价值。

1 神经网络简介

人工神经网络（Artificial Neural Network，ANN），亦称神经网络（Neural Network，NN），是一种应用类似于大脑神经突触连接结构进行信息处理的数学模型，它是在人类对自身大脑组织结合和思维机制的认识理解基础之上模拟出来的，它是根植于神经科学、数学、统计学、物理学、计算机科学以及工程科学的一门技术。心理学家Mcculloch，数学家Pitts在20世纪40年代第一次提出了神经网络模型，从此开创了神经科学理论的研究时代，此后半个世纪神经网络技术蓬勃发展。神经网络是一种计算模型，由大量的神经元个体节点和其间相互连接的加权值共同组成，每个节点都代表一种运算，称为激励函数（activation function）。每两个相互连接的节点间都代表一个通过该连接信号加权值，称值为权重（weight），神经网络就是通过这种方式来模拟人类的记忆，网络的输出则取决于网络的结构、网络的连接方式、权重和激励函数。而网络本身通常是对自然界或者人类社会某种算法或函数的逼近，也可能是一种逻辑策略的表达。神经网络的构筑理念是受到生物的神经网络运作启发而产生的。人工神经网络则是把对生物神经网络的认识与数学统计模型向结合，借助数学统计工具来实现。另一方面在人工智能学的人工感知领域，我们通过数学统计学的方法，使神经网络能够具备类似于人的决定能力和简单的判断能力，这种方法是对传统逻辑学演算的进一步延伸。

2 神经网络模型及训练

2.1 生物神经元模型

人脑是自然界所造就的高级动物，人的思维是由人脑来完成的，而思维则是人类智能的集中体现。人脑的皮层中包含100亿个神经元、60万亿个神经突触，以及他们的连接体。神经系统的基本结构和功能单位就是神经细胞，即神经元，它主要由细胞体、树突、轴突和突触组成。人类的神经元具备以下几个基本功能特性：时空整合功能；神经元的动态极化性；兴奋与抑制状态；结构的可塑性；脉冲与电位信号的转换；突触延期和不延期；学习、遗忘和疲劳；神经网络是由大量的神经元单元相互连接而构成的网络系统。

2.2 人工神经网络模型

人工神经网络，使通过模仿生物神经网络的行为特征，进行分布式并行信息处理的数学模型。这种网络依靠系统的复杂度，通过调整内部大量节点之间相互连接的关系，从而达到信息处理的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入输出数据，分析两者的内在关系和规律，最终通过这些规律形成一个复杂的非线性系统函数，这种学习分析过程被称作“训练”。神经元的每一个输入连接都有突触连接强度，用一个连接权值来表示，即将产生的信号通过连接强度放大，每一个输入量都对应有一个相关联的权重。处理单元将经过权重的输入量化，然后相加求得加权值之和，计算出输出量，这个输出量是权重和的函数，一般称此函数为传递函数。

2.3 神经网络的训练

当神经网络的结构确定以后，接下来的工作就是训练和学习。神经网络不是通过改变处理单元的本身来完成训练和学习过程的，而是依靠改变网络中各神经元节点的连接权重来完成的。因此若处理单元要学会正确的处理所给定的问题，唯一用以改变处理单元性能的元素就是连接权重。

2.4 神经网络的分类

神经网络按照不同的结构、功能，以及学习算法，对网络进行分类，可以分为：（1）感知器神经网络：最简单的神经网络类型，只有单层的神经网络结构，采用硬限值作为网络传递函数，主要适用于简单的线性二类划分问题，在此类问题中处理的效率较高。但不适合本论文的课题。（2）线性神经网络：单层结构的神经网络，采用线性函数作为网络的传递，主要也是用于解决线性逼近问题。

3 BP神经网络

目前应用最为广泛的网络，具有多层网络结构，可以由一个或者多个隐含层。BP网络采用Widrow―Hoff学习算法和非线性传递函数，典型的BP网络采用的是梯度下降算法，也就是Widrow―Hoff算法所规定的。BP，即Back Propagation，就是指为非线性多层网络训练中梯度计算是采用信号正向传播、误差反向传播的方式。通过采用非线性传递函数，BP网络能够以仁义的精度逼近任何非线性函数，由于采用隐含中间层的结构，BP网络能够提取出更高阶的统计性质，尤其是当输入规模庞大时，网络能够提取高阶统计性质的能力就显得非常重要了，结合本文的课题，将采用BP神经网络及其改进算法进行组合集成实验，用以解决财务预警的实际问题，在后面的章节会采用相关实验证明组合集成的BP神经网络的优势。

4 径向基神经网络

径向基神经网络又称为RBF网络，它与BP网络同为多层前向网络，也能够以任意的精度逼近任何非线性函数，只是它与BP网络采用的传递函数不同，BP通常采用的是Sigmoid函数或线性函数作为传递函数，而RBF网络则采用径向基函数作为传递函数。本文后面将采用径向基函网络与BP网络进行对比。

5 竞争神经网络

竞争神经网络的特点是它的各个神经元之间是相互竞争的关系，众多神经元之间相互竞争以决定胜出者，或胜神经元决定哪一种原模型最能代表输入模式。

6 反馈神经网络

BP神经网络（Fredric M.Ham Ivica Kostanic Principles of Neurocomputing for Science―Engineering 2007）BP神经网络具有sigmoid隐含层以及线性输出层，具有很强的映射能力，本节我们对BP网络神经元和网络结构进行介绍。神经网络方法的具体步骤是：向网络提供训练例子，即学习样本，包括输入和期望的输出。确定网络的实际输出和期望输出之间允许的误差。改变网络中所有连接权值，使网络产生的输出更接近于期望输出，直到满足确定的允许误差。下图给出了一个具有N个输入的基本的BP神经元模型结构。途中每一个输入都被赋予一定的权值，与偏差求和和后形成神经元传递函数的输入。

我们来看看三层BP神经网络模型的数学表达，首先我们来确定途中各个参数所代表的涵义：

（1）输入向量：X=（x1，x2，…，xi，…，xn）T；

（2）隐层输出向量：Y=（y1，y2，…，yj，…，ym）T；

（3）输出层输出向量：O=（O1，O2，…，Ok，…，Ol）T；

（4）期望输出向量：d=（d1，d2，…，dk，…，dl）T；

（5）输入层到隐层之间的权值矩阵：V=（V1，V2，…，Vj，…，Vm）；

（6）隐层到输出层之间的权值矩阵：W=（W1，W2，…，Wk，…，Wl）。

BP神经网络就是通过构建上述变量来完成网络的描述。

我们从上至下，从输出层开始看BP网络的工作原理，对于输出层：

k=1，2，…，l （1）

k=1，2，…，l （2）

对于隐层：j=1，2，…，m （3）

j=1，2，…，m （4）

其中的是传递函数我们可以采用单极性Sigmoid函数： （5）

（1）网络误差与权值调整

输出误差E定义：

（6）

（7）

在这一步的基础上，进一步展开至输入层：

（8）

j=0，1，2，…，m；k=1，2，…，l （9）

i=0，1，2，…，n；j=1，2，…，m （10）

式中负号表示梯度下降，常数η∈（0，1）表示比例系数。在全部推导过程中，对输出层有j=0，1，2，…，m；k=1，2，…，l，对隐层有i=0，1，2，…，n；j=1，2，…，m

（2）BP算法推导

对于输出层，式（9）可写为：

（8）对隐层，式（9）可写为：（10），对于隐层，利用式（7）：

可得： （11）

将以上结果代入式（8），并应用式（5）：，得到：

（12）

（13）

至此两个误差信号的推导已完成。将式（12）代回到式（8），得到三层前馈网的BP学习算法权值调整计算公式为：

（14）

第2篇：神经网络的基本功能范文

关键词：电阻点焊；神经网络；消音锯片

0序言

电阻点焊过程是一个高度非线性，既有多变量静态叠加又有动态耦合，同时又具有大量随机不确定因素的复杂过程。这种复杂性使得传统方法确定最佳工艺参数存在操作复杂、精度低等缺陷。

本文通过深入研究提出了一种神经网络优化消音锯片电阻点焊工艺参数方法。以试验数据为样本，通过神经网络，建立焊接工艺参数与焊接性能之间的复杂模型，充分发挥神经网络的非线性映射能力。为准确预测点焊质量提高依据。在运用试验手段、神经网络高度非线性拟合能力结合的方式，能在很大程度上克服传统方法的缺陷，完成网络的训练、检验和最优评价，为电阻点焊过程的决策和控制提供可靠依据。

1原理

人工神经网络是用物理模型模拟生物神经网络的基本功能和结构，可以在未知被控对象和业务模型情况下达到学习的目的。建立神经网络是利用神经网络高度并行的信息处理能力，较强的非线性映射能力及自适应学习能力，同时为消除复杂系统的制约因素提供了手段。人工神经网络在足够多的样本数据的基础上，可以很好地比较任意复杂的非线性函数。另外，神经网络的并行结构可用硬件实现的方法进行开发。目前应用最成熟最广泛的一种神经网络是前馈多层神经网络（BP），通常称为BP神经网络。

神经网络方法的基本思想是：神经网络模型的网络输入与神经网络输出的数学关系用以表示系统的结构参数与系统动态参数之间的复杂的物理关系，即训练。我们发现利用经过训练的模型进行权值和阈值的再修改和优化（称之为学习）时，其计算速度要大大快于基于其他优化计算的速度。

BP神经网络一般由大量的非线性处理单元——神经元连接组成的。具有大规模并行处理信息能力和极强的的容错性。每个神经元有一个单一的输出，但可以把这个输出量与下一层的多个神经元相连，每个连接通路对应一个连接权系数。根据功能可以把神经网络分为输入层，隐含层（一或多层），输出层三个部分。设每层输入为ui(q)输出为vi(q)。同时，给定了P组输入和输出样本 ，dp（p=200）。

（6）

该网络实质上是对任意非线性映射关系的一种逼近，由于采用的是全局逼近的方法，因而BP网络具有较好的泛化的能力。

我们主要是利用神经网络的非线性自适应能力，将它用于消音锯片的电阻点焊过程。训练过程是：通过点焊实验获得目标函数与各影响因素间的离散关系，用神经网络的隐式来表达输入输出的函数关系，即将实验数据作为样本输入网络进行训练，建立输入输出之间的非线性映射关系，并将知识信息储存在连接权上，从而利用网络的记忆功能形成一个函数。不断地迭代可以达到sse（误差平方和）最小。

我们这次做的消音金刚石锯片电焊机，通过实验发现可以通过采用双隐层BP神经网络就可以很好的反应输入输出参数的非线性关系。输入神经元为3，分别对应3个电阻点焊工艺参数。输出神经元为1，对应焊接质量指标参数。设第1隐含层神经元取为s1，第2隐含层神经元取为s2。输入层和隐含层以及隐层之间的激活函数都选取Log-Sigmoid型函数，输出层的激活函数选取Pureline型函数。

2点焊样本的选取

影响点焊质量的参数有很多，我们选取点焊时的控制参数，即点焊时间，电极力和焊接电流，在固定式点焊机上进行实验。选用钢种为50Mn2V，Φ600m的消音型薄型圆锯片基体为进行实验。对需要优化的参数为点焊时间，电极力和焊接电流3个参数进行的训练。最后的结果为焊接质量，通常以锯片的抗拉剪载荷为指标。

建立BP神经网络时，选择样本非常重要。样本的选取关系到所建立的网络模型能否正确反映所选点焊参数和输出之间的关系。利用插值法，将输入变量在较理想的区间均匀分布取值，如果有m个输入量，每个输入量均匀取n个值（即每个输入量有m个水平数）， 则根据排列组合有nm个样本。对应于本例，有3个输入量，每个变量有5个水平数，这样训练样本的数目就为53=125个。

我们的实验，是以工人的经验为参考依据，发现点焊时间范围为2~8s，电极力范围为500~3000N，点焊电流范围为5~20kA时，焊接质量比较好。我们先取点焊电流，电极力为定量，在合理的范围内不断改变点焊时间，得到抗拉剪载荷。如此，可以得到不同点焊电流和电极力的抗拉剪载荷。根据点焊数据的情况，我们共选用200组数据。部分测试数据如表1：

神经网络建模的关键是训练，而训练时随着输入参数个数的增加样本的排列组合数也急剧增加，这就给神经网络建模带来了很大的工作量，甚至于无法达到训练目的。

3神经网络

我们用200组训练样本对进行神经网络训练，以err_goal=0.01为目标。调用Matlab神经网络工具箱中的函数编程计算，实现对网络的训练，训练完成后便得到一个网络模型。

程序

x1=[2.1 2.5 3 3.5 4……]； %点焊时间输入，取200组

x2=[1.3 1.5 1.9 2.1 2.3……]；%电极力输入，取200组

x3=[9 10 11 12 13……];%点焊电流输入，取200组

y=[2756 3167 3895 3264 2877……]； %输出量，取200组

net=newff([1 10;0.5 3;5 20]，[10 10 1]，{‘tansig‘‘tansig‘‘purelin‘});

%初始化网络 转贴于

net.trainParam.goal = 0.01;%设定目标值

net=train(net，[x1;x2;x3]，y);%训练网络

figure； %画出图像

选取不同的s1，s2，经过不断的神经网络训练，发现当s1=8，s2=6时，神经网络可以达到要求。工具箱示意图如下图1。

图 1工具箱示意图

工具箱示意图非常清晰地表示了本实验的神经网络的输入，输出以及训练的过程。

神经网络的训练结果，如图2所示:

图2神经网络的学习过程

图中可以看出双层网络训练的sse在训练100次时，已经接近0.0001，效果较理想。

为了验证经过训练的网络模型的泛化能力，在输入变量所允许的区域内又另选多个样本进行了计算。发现：利用BP神经网络模型计算的测试输出与期望输出值相符，误差小于2％。

在已经训练好的网络中找出最大值：

for i=2:10 %点焊时间选择

for j=0.5:0.1:3%电极力选择

fork=5:0.1:20%点焊电流选择

a=sim(net，[i，j，k])；%仿真

ifan %比较仿真结果与最大值，取最大值n=a；

i(1)=i；%最大值的时间

j(1)=j；%最大值的电极力

k(1)=k； %最大值的电流

end

end

end

end

将i（1），j（1），k（1）以及n输出，n为最大值。得到点焊时间为3.4s，电极力为12.7kN，点焊电流为11.8kA，此时的抗剪拉剪载荷为4381N，为训练结果的最大值。将点焊时间为3.4s，电极力为12.7kN，点焊电流为11.8kA在点焊机上进行实验，得到结果为4297N。并且通过与实际的结果相比较，发现误差也在2%以内。

4结论

1）本文采用了插值法作为选取BP神经网络训练样本的方法。并且在数据变化剧烈的地方多选取了75组数据，这样可以得到较高精度的网络模型，使点焊模型的可行性。

2）基于此方法建立了三个点焊参数的BP神经网络模型，而且所建的BP模型具有较高的精度，可以很好的描述了这三个点焊参数与点焊质量的映射关系。

3）由于神经网络模型将系统结构参数与传统动态特性参数之间的物理关系，反映为神经网络模型的网络输入与网络输出的数学关系，因此，在神经网络模型上进行结构修正与优化比在其他模型上更直接，简单与高效。

本文采用神经网络的方法优化复合消音锯片的点焊工艺参数，为分析点焊质量提供了很好的辅助手段。通过与以前工艺相比较，提高了点焊质量。

参考文献

[1] 方平，熊丽云.点焊电流有效值神经网络实时计算方法研究.[J].机械工程学报，2004（11）.148-152.

第3篇：神经网络的基本功能范文

摘要：旅游需求的预测预报研究一直是旅游学研究的一个重要课题。本文在对到访澳门地区中国内地游客量分析的基础上,运用人工神经网络(ANN)的理论和方法,构建了ANN模型分析中的3层BP模型,以澳门近10年（1996-20__）入境来访的中国内地旅游人数为例进行模型验证，模拟结果表明,BP神经网络预测的结果能够高程度的吻合原始数据，在旅游市场预测中，BP神经网络预测是一种有效的预测方法。一．问题的提出与分析近年来，对澳门地区的旅游业来说，中国内地旅客是旅游收入的主要来源。目前旅游业已成为澳门地区经济发展特别是第二产业发展的支柱。建立科学的可操作的旅游预测模型是实现澳门地区旅游业持续健康稳定发展的理论基石和前提。由于影响某地旅游人数的因素各异，还不存在普遍适用的神经网络模型。基于此，本文拟用3层BP神经网络模型来仿真模拟分析和预测澳门地区旅游需求,以此为旅游需求预测提供一种新的方法。二．模型的假设与符号说明1．基本假设1）交通在旅游中通常不是重要的，为了研究的方便（主要是无法获得交通数据），把交通这个影响忽略。2）假设澳门的接待能力都满足需求。3）在本例旅游需求预测模型中，我们考虑的主要因素有：客源地的人口，客源地的总收入，客源地的消费水平，旅游目的地的生活水平。4）为了研究的方便，假定以上四因子之间相互独立，本例旅游需求即为上述四因子的函数，即y=f(GDI,POP,GDE,M-GP)。就用这四个因素作为人工神经网络模型输入层的神经元。2．符号说明T澳门内地游客量GDI中国内地国民总收入POP中国内地人口总数GDE中国内地国民消费水平M-GP澳门生产总值三．模型的建立与求解1．人工神经网络模型理论原理

人工神经网络（ArtificialNeuralNetwork）是由大量的、简单元件（神经元）广泛相互联结而成的非线性的、动态的复杂网络信息处理系统，它是在现代神经学研究成果基础上提出的，能模拟人脑的若干基本功能[1]。它具有并行分布的信息处理结构，可以通过“自学习”或“训练”的方式完成某一特定的工作。它可以从积累的工作案例中学习知识，尽可能多地把各种定性或定量的因素作为变量加以输入，从而建立各种影响因素与结论之间的高度非线性映射，采用自适应模式识别方法来完成预测工作[2]。人工神经网络模型尤其是对处理内部规律不甚了解、不能用一组规则或方程进行描述的复杂的、开放的非线性系统显得较为优越。人工神经网络模型一般由处理单元、激活状态、单元输出、连接模式、激活规则、学习规则等6个部分组成。一个多层神经网络中包含有很多个信息处理单元,分布于不同的层次中。根据每项输入和相应的权重获取一个综合信号，当信号超过阈值则激活神经元而产生输出。各类影响因素和最终输出结果之间可以假定存在一种映射,即输出结果＝F（影响因素）。为了寻求最佳的映射关系F，将训练样本集合和输入、输出转化为一种非线性关系，通过对简单非线性函数的复合，从而建立一个高度的非线性映射关系F,最终实现输出值的最优逼近［3］。在人工神经网络的实际应用中，80~90的人工神经网络是采用前馈反向传播网络（back-propagation-network,简称BP网络）或它的变化形式。BP神经网络（如图一）是一种单项传播的多层前向神经网络，分为输入层、隐含层和输出层，层与层之间采用全连接方式，同一层单元之间不存在相互连接。它是前向网络的核心部分，体现了人工神经网络最精华的部分[4]。标准的BP网络是根据W-H学习规则，采用梯度下降算法，对非线性可微函数进行权值训练的多层网络。图一：BP神经网络的每一层的权值通过学习来调节，其基本处理单元为非线性输入－输出关系，选用S型作用函数：其中：xj为该神经元第i个输入；wij为前一层第i个神经元至该神经元j的连接权值，i＝0时的权值为阈值。其计算步骤如下：（1）给定一组随机的权值和阈值初始值及步长系数η与势态因子α；（2）取学习样本数据，根据学习样本、权值及阀值计算输出，并与学习期望输出比较，当误差满足要求时结束训练，否则将误差向后逐层传播，并修正各层连接权值，调整公式为：其中：k取j结点所在层的前一层所有结点。5）澳门内地旅客人数神经网络模型的建立(一)BP网络设计网络设计是一个综合性问题，它应满足多种不同要求，例如，希望所涉及的网络有较好的推理能力，易于硬件实现，训练速度快等，其中有较好的推理能力是最主要的。一般来说，推广能力决定于3个主要因素，即问题本身的复杂程度、网络结构以及样本量大小。在一般情况下，旅游需求预测研究中样本的数量是一定的，因此可归结为在样本量一定的情况下，如何选择网络规模的问题。在进行BP网络预测模型设计中，我们主要考虑以下因素：网络的层数、每层中的神经元个数、初始值的选择、学习速率和期望误差。i)网络的层数已证明：具有偏差和至少一个S型隐含层加上一个线性输出层的网络，能够逼近任何有理函数。所以，本文选择一个3层的BP网络。ii)每层中神经元的个数输入层和输出层神经元的个数根据解决具体问题的复杂程度而定。为了提高网络训练的精度，可以通过采用一个隐含层，再加上1到2个神经元以加快误差的下降速度即可。因此，本文输入层神经元个数选择为4个，隐含层神经元个数分别选择了9、12、15个，输出层神经元个数选择为1个。iii)初始值的选择由于人工神经网络是一个非线性系统，初始值的选择对于网络学习是否达到局部最小、是否能够收敛以及训练时间的长短都有较大影响。在初始值的选择上一般是使经过初始值加权后的每个神经元的输出值都接近零，这样可以保证每一个神经元的连接权值都能够在它们的S型激活函数变化最大处进行调解。所以，初始值一般选择在（-1,1）之间的随机数。本文的初始值为默认值。iv)学习速率对于任何一个网络都对应一个合适的学习速率。学习速率决定每一次循环训练中所产生的权值的变化量。大的学习速率可以导致网络的不稳定，但是小的学习速率又会导致训练时间延长，收敛速度较慢，不能保证网络的误差能最终趋于最小。综合上述考虑，在学习速率的选择上倾向于选择较小的学习速率以保证网络的稳定性，本文选择的学习速率为0.01。v)期望误差值期望误差值的确定也是通过网络对不同误差值分别进行训练比较后确定的最适合值。所谓的最适合值是相对于所需要的隐含层的节点数来确定的，一个较小的误差值的获得需要增加隐含层的节点以及训练时间。本文经过不断测试，选择0.0001为期望误差值。（二）1．网络训练模式的选择训练网络有两类模式：逐变模式和批变模式。在逐变模式中，每一个输入被作用于网络后，权重和偏置量被更新一次。在批变模式中，所有的输入被应用于网络后，权重和偏置量才被更新 一次。使用批变模式不需要为每一层的权重和偏置量设定训练函数，而只需为整个网络制定一个训练函数，使用起来相对方便，因此，本文在进行网络训练时采用批变模式。表格一：年度

澳门的内地游客量(T)（千人）中国内地国民总收入(GDI)（亿元）中国内地人口数(POP)（万人）中国内地居民消费水平（GDE）（元）澳门生产总值（M-GP）(亿美元)1996604．270142.5122389278966.31997529．877653.1123626300266.71998816．883024.3124761315961.919991645．288189.0125786334659.220__2274．798000.5126743363261.020__3005．7108068.2127627386961.920__4240．4119095.7128453410668.220__5742．0135174.0129227441179.220__9529．7159586.71299884925103.320__10463183956.11307565439115.62．数据和模型的建立神经网络模型要求数据具有：A、易获得性B、可靠性C、可测度性。本项研究采用很可靠的官方发表的数据作为分析的数据源（见表1），主要来自于中国统计局网。用3层BP网络模型对本例旅游需求进行模拟，根据BP网络的映射原理，对于样本集合X和输出Y，可以假设存在一映射F。为了寻求F的最佳映射值，BP网络模型将样本集合的输入、输出转化为非线性优化，通过对简单的非线性函数的复合，建立一个高度的非线性映射关系，实现F值的最优逼近。对于本例旅游需求模型的模拟：其输入层结点数（4个神经元）：中国内地国民总收入（GDI）、中国内地人口总数（POP）、中国内地国民消费水平（GDE）、澳门生产总值（M-GP）。把澳门内地游客量（T）作为输出结点。从而得出3层前馈反向传播神经网络模型。四．模型结果及分析1网络训练性能的检查。不同个数的隐层单元组成的BP网络训练曲线如图1，2，3所示。通过比较发现，中间层神经元个数为9和12时，网络的收敛速度比较快。2网络预测性能的考查。在数据列表中选取1996年到20__年的数据作为网络的测试数据。20__、20__年的(文秘站:)游客量检验误差曲线如图4。其仿真结果令人满意，达到预期的效果。图1图2图3图4五．模型的应用与评价（优缺点与改进）从上面的分析可以看出，3层BP神经网络模型的仿真模拟效果是邻人满意的。可以看出，人工神经网络的拟合精度比较高，主要是基于人工神经网络抗干扰能力强，稳定性好，能自动准确地找出各种输入和输出之间的线性或非线性关系，具有较强的模拟适应能力等特点。在本例对于澳门的内地游客量的旅游预测中BP神经网络模型是一种有效的预测方法。这一研究方法为旅游学的定量预测研究提供了一种新的思路，也为工程实践问题中的一些研究工作提供了一种非常好的指导方法。虽然BP网络得到了广泛应用，但其自身也存在一些缺陷和不足，主要包括几个方面的问题。首先，由于学习速率是固定的，因此，网络的收敛速度慢，需要较强的训练时间。再次，网络隐含层的层数和单元数的选择尚无理论上的指导，一般是根据应验或者通过反复试验确定的。因此，网络往往存在很大的冗余性，在一定上也增加了网络学习的负担。六．原题附带问题简析通过对本例旅游需求模型的分析，我们认为在利用数学建模的方法对旅游需求进行预测预报时，对于数据的采集和整理工作需要认真做好。对于数据的分析有助于我们寻求变量间的关系，以形成初步的想法。如何获得数据以及如何获得准确的数据对于我们研究实际问题具有相当重大的意义。收集数据并非多多益善，而是要弄清究竟需要哪些数据，剔除不必要的数据，从而减少冗余的工作。同时，需要什么形式的数据也是我们应该思考的一个问题，这与建立模型的目的和所选择的模型的特点有关。[参考文献][1]王士同，等．问题求解的人工智能：神经网络方法[M].北京：气象出版社，1995.[2]HillT,MarquezO’connorM,RemusW.ArtificialNeuralNetworkMedelsfor

ForecastingandDecisionMaking[J].InternationalJournalofForecasting,1993,

第4篇：神经网络的基本功能范文

近年来，一系列高分辨率卫星的相继上天，高分辨率卫星遥感的应用也因此成为可能，也凸现出遥感影像数据处理的重要性日益显现。遥感影像数据处理的主要内容就是对遥感数据（主要是高分辨率遥感影像数据）进行自动（半自动）图像处理分析，从而获取人们需要的信息。

Taries软件是具有自主知识产权的软件产品，由中科院遥感所国家遥感应用工程技术研究中心下属的空间信息关键技术研发部开发。Taries软件主要应用于对高分辨率遥感影像的各种信息的处理、提取与分析，其功能包括影像的预处理、影像分割、影像分类、特征提取与表达、特征分析、目标识别等。它是集矢量和栅格于一体化的软件系统。

Taries主要功能

1. 影像处理

（1）采用几何精纠正方法：建立基于空间投影理论与有限控制点的全局自适应方法，并建立基于控制点、线、面特征的局部自适应相结合的影像几何精纠正模型。

（2）实现多源遥感影像信息的特征级融合: 在像元级、高精度的多源遥感信息分析技术基础上，发展了各种特征估计器和融合评判规则，建立特征级的多源遥感信息融合的方法以及相应的算法。

2. 影像信息提取

（1）在复杂环境中的目标信息增强: 采用具有空间自适应能力的目标特征的信息增强模型与方法，特别是弱目标信息的增强方法，并对无关背景信息进行抑制。

（2）高分辨率影像分割: 基于空间特征（包括纹理特征、形状特征和动态特征）以及高维统计特征，采用面向特征的高分辨率影像分割技术（如基于模糊集理论、EM模型、Markov模型、MCMC模型、小波分析等）。

（3）基于智能计算模型的目标特征提取: 基于神经网络、支撑向量机等智能计算模型，研究和发展针对目标的纹理特征、结构特征的提取方法，并实现相应算法。

（4）目标识别与提取系统原型: 采用组件技术，研制开发目标识别与提取软件系统原型，包括影像精处理、目标单元分割与特征提取、目标识别等模块。

3. 矢量数据显示、处理与分析

（1）兼容ArcGIS SHP等矢量数据存储格式，能够采用系统的矢栅一体化数据模型对相应的矢量数据进行读取与显示。

（2）基于底层数据模型，能够实现基于Taries软件的矢量数据的修改功能，包括基本对象（点、线、面）的增、删、改等操作。

（3）基于相应的矢量数据建立拓扑关系，并在此基础上进行相应的空间分析功能（如最优路径查询分析等）。

（4）具有常规的矢量数据显示软件的基本功能，并可在此基础开发进一步的应用（如移动目标定位与车辆跟踪系统等）。

关键技术

1. 高分辨率影像的高精度几何纠正技术

考虑到高分辨率影像的特点，首先应对高分辨率影像进行包括如下两项技术的精处理:

（1）基于重叠影像的高精度影像配准技术: 采用既满足一定精度要求、又保证一定运算速度与适应性的子像素匹配技术，从而确定具有一定重叠的两幅图像间的几何对应关系，获得对应的控制点对，采用整体匹配技术使配准精度达到一个像元。

（2）空间自适应高精度几何纠正: 针对高空间分辨率影像的特征，采用具有局部自适应的高精度几何纠正方法，消除常规最小二乘法平面拟合纠正方法对图像局部纠正误差较大的问题。

2. 复杂自然环境下的信息增强

针对地形复杂、植被茂密的复杂自然环境，采用针对特征的统计信息增强技术，对具有重要意义的地面信息进行初步的检测性增强，特别是弱目标信息的增强，并对其他背景信息进行抑制。建立基于多种影像以及已有目标信息与判别知识的潜在目标快速检测技术，使用方法包括微观特征提取、动态变化检测等。

3. 高分辨率影像分割技术

以影像理解研究为基础，建立融遥感图像信息、地理时/空信息与地学知识为一体的目标空间认知结构模型。该模型为对中高分辨率遥感图像目标单元群体的处理和分析，提供面向纹理特征和结构特征，并能够最大限度地利用地学分类知识与时/空推理模型的智能化识别与提取方法。目前软件包括十余种不同的遥感影像分割算法。

基于目标空间认知结构模型和空间特征（包括纹理特征、形状特征、动态特征和轮廓特征）以及高维统计特征，研究面向特征的高分辨率影像分割技术，并采用稳健统计机制来保证分割算法具有较强的稳健性，将分割后的特征按照其几何关系、属性关系、统计关系和操纵方式，以面向对象的模式进行统一化管理，从而将连续的图像形式转化为离散的、便于操作的特征群体，便于目标特征的快速提取。

4. 智能计算模型的目标特征提取技术

针对遥感信息特征的提取问题，在传统统计和人工神经网络方法基础上，发展新型针对高分辨率遥感影像的目标特征提取模型，主要包括: 基于知识的神经网络模型来处理混合密度分布的特征提取和分类; ARTMAP神经网络作为低维空间结构特征的联想记忆模型; 基于统计学习理论的支撑向量机（SVM）。SVM是近几年最新提出的机器学习算法，它可以作为高维有限特征的记忆单元来实现对高分辨率遥感影像目标特征信息的提取。应用SVM模型进行特征提取，需要重点解决的问题有: 高维映射函数定义、领域知识融合、支撑向量集极小优化和高维信息压缩。

在以上有关特征提取的智能计算模型基础上，针对不同复杂程度的目标特征提取问题，可分别采用MCMC统计模型、RBF/EBF神经网络、ARTMAP神经网络、支撑向量机来对目标库中的目标特征进行提取和表达。

5. 视觉尺度空间变化的特征表达与目标识别技术

针对空间数据的多尺度特征，引进尺度空间视觉聚类方法，对空间数据的尺度特征变化进行描述（图1）。基本原理是: 模拟人眼对目标特征从近到远逐步综合的视觉过程，来定量化地划分不同尺度上的空间单元。在目标识别过程中，将采用视觉空间尺度变换理论和方法，对遥感影像空间特征集采用逐步综合的特征多尺度聚类，从而在尺度空间转换上实现对影像特征集的树状方式管理，以满足不同尺度上的特征组合与表达。

图2 Taries软件处理矢量数据界面

6. 目标识别与提取的RS与GIS集成化处理技术

遥感图像给出了地面目标的栅格化波谱表达，突出并准确地再现了地物的大小、形状（包括点、线、面）和纹理变化; 而GIS则有着对地物边界的精细刻画能力，并能够对地物间的空间关系进行拓扑变换与推理分析。因此，从空间单元数据处理的粒度入手，并将GIS的空间关系拓扑变换与时空推理分析引入到对遥感图像信息的智能化处理中，极大地提高了目标群体的识别精度与提取的一致性，为基于矢栅一体化数据模型的分析提供重要支撑技术。

7.矢量数据显示、处理与分析技术

除具有矢量数据的显示与基本操作外（如电子地图缩放、漫游等），系统还对矢量数据的编辑功能进行了实现，包括: 特征点显示、点选、矩选、圆选、分裂、合并、增加控制点、删除控制点、移动控制点、增加对象、删除对象、移动对象等功能，并实现了相应的空间分析功能（如拓扑关系建立，最优路径选取等）。

第5篇：神经网络的基本功能范文

关键词：物联网；精准农业；果蔬种植；预警系统；专家系统

中图分类号：S126；TP391 文献标识码：A 文章编号：0439-8114（2016）14-3741-04

DOI：10.14088/ki.issn0439-8114.2016.14.051

Abstract： The Internet of thing early warning system for precision agriculture， relying on expert system， neural network based on genetic algorithm to optimize of disease diagnosis of early warning platform， production management early warning platform and logistics platform is constructed， reasonable arrangement of sensors， at the same time， the application of Internet of things technology such as RFID，3G， ZigBee， GPRS. The system applied in the production of rinse hot demonstration in the process of production and transportation， the environment parameters beyond good value for early warning， and fine regulation and water， the effect of temperature and humidity， pesticide and so on， in order to reduce the production cost， wide range application can create better economic benefits.

Key words： the Internet of things； precision agriculture； fruit and vegetable production； early warning system； expert system

精准农业，也称精细农业，是根据作物生长的土壤墒情来调节对作物的投入，以最节省的投入达到更高的收入，并能改善环境的生产方式。精准农业技术由田间信息采集、智能决策和智能装备技术组成，通过对信息采集、加工及应用，以实现粮食增产和农民增收的目标。其中，从田间实时、准确地采集各种影响作物生长的环境信息及作物长势是实现精准农业的基础[1]。物联网作为现代信息技术发展的产物，具有全面感知、可靠传送、智能处理等特征，将其用于农业生产中，为实现田间信息采集、远程监测及控制提供可靠保障。物联网是指通过射频识别、传感器、全球定位系统、激光扫描器等信息传感设备，按照约定的协议，把物品与互联网连接起来，进行信息交换和通信，采用智能计算技术对信息进行分析处理，以实现智能识别、定位、跟踪、智能决策和监控的一种网络。物联网技术已经深入应用在许多领域[2-6]，而将精准农业与物联网技术相结合，可最大限度提高农业生产力，是实现优质、高产、低耗、环保等可持续发展农业的有效途径。

本研究提出基于物联网的精准农业果蔬种植预警系统，利用各种传感设备实时获取田间信息，通过无线网络技术传至上位机，依托专家系统进行分析、处理，对影响作物生长的因素做出预警与调控，使果蔬生长在最佳的环境中，从而实现精准农业作业的经济化及智能化。基于物联网精准农业的果蔬种植预警系统包括软、硬件两部分，软件开发含3个预警平台，依托专家系统，实现病害诊断预警平台、生产管理预警平台和物流运输预警平台，通过合理布置无线传感器，融合3G、ZigBee等无线网络，运用物联网技术实现高效、便捷、实时的科学化果蔬生产管理体系。

1 专家系统构建

专家系统（Expert System）是人工智能的一个重要分支，包括知识库与推理机，将人类专家的知识及经验以适当的形式存入计算机，利用一定的算法对知识进行推理，做出判断和决策等。知识库是专家系统的核心，是问题求解的集合，包括基本事实、规则和其他相关信息。推理机是专家系统运用知识对数据进行推理的逻辑核心，它控制着知识库中的知识，对数据库中的数据进行推理，以得出新的结论。用户提供事实或信息给专家系统，相应地收到专家系统的建议或专门知识。

农业是一个复杂的巨系统，农业生产具有复杂多变性。从不同作物的生长需求出发，通过总结、收集作物栽培领域的知识、专家经验和试验数据构建专家知识库，实现具有咨询和决策能力的应用服务平台，是现代农业技术的研究热点。本研究以果蔬种植为例，采用B/S三层体系结构，在Windows NT Server平台下使用，以SQL Server 2008为数据库管理系统，采用Visual C#.NET编程语言，整个软件分基于遗传算法优化神经网络的病害预警、生产管理预警、产品运输预警等服务平台，平台包括表现层、业务层、数据访问层和数据库4层。数据访问用于所有业务层与数据库之间的数据管理，是一个公共层，由数据访问组件与数据库连接组件构成。业务层根据不同的管理对象建立不同的业务组件，如用户注册管理组件、信息采集组件、实施控制组件等，还可根据实际需求的变化方便地增改组件，易于系统的维护和升级[7]。在果蔬生产管理中，依托专家系统，对物联网技术获取的影响果蔬生长的环境参数进行推理，并做出决策及调控，以实现动态调节适宜果蔬生长的最佳条件，为果蔬种植实现智能、节能、高效的管理提供保障。

2 基于遗传算法优化BP神经网络的病虫害诊断预警平台

实现果蔬病害的预警预报，是有效防治和控制病害发生发展，减少农药施用和生产无公害果蔬的最佳途径。影响果蔬病虫害发生的因素较多，包括气象、自然环境、本身表现出的密度和非密度制约因素等。其中，气象因子与病害密切相关，大棚内湿度、温度不适是造成病害发生和蔓延的主要原因。如涮涮辣种植中常见病害有疫病、叶斑病、灰霉病、炭疽病等，每种病害有其独特的生长习性，其中疫病在温度为25～30 ℃、湿度高于85%时发病较重。但气象因子与病害不具备线性关系，若用数理统计方法找出气象因子与病害之间的某种函数关系有一定难度。BP神经网络理论是一种非线性识别理论，它具有自学习、自适应和容错能力，在模式识别中得到广泛应用。但BP神经网络容易陷入局部最优的缺点，而遗传算法可很好克服此缺陷，可先用遗传算法搜索BP神经网络权值和阈值，求出最优的权值和阈值后再训练BP神经网络，以实现全局最优。其思想是对神经元的连接权值和阈值进行编码，使之成为码串的初始群体，进而通过遗传选择、交叉、变异操作对每一代群体进行计算和筛选，直到获得最佳权值和阈值。将神经网络输出的均方误差作为遗传算法的个体适应度，经重复计算，将误差降至全局最小[8]。遗传算法优化BP神经网络的算法流程如图1所示。

本研究基于遗传优化后的BP神经网络采用三层结构，即输入层、隐含层和输出层，每层神经元个数分别用s、q、m表示，则可表示为BP（s，q，m）。以最高温度、最低温度、平均温度、最高湿度、最低湿度、平均湿度、光照强度共7个因素为输入参数，以作物病感指数为输出。病感指数的计算分别见表1病害分级标准和公式（1）。

隐层节点数的确定采用试凑法，以涮涮辣常见病害：疫病、青枯病、猝倒病为例进行训练，根据表2的训练结果，最后确定的网络结构为BP（7，19，1）。用遗传算法优化BP神经网络的病害预警模型的步骤及用Matlab2009a实现的伪代码如下：

1）创建BP神经网络

net=newff（minmax（P），[S1，3]，{‘tansig’，‘tansig’}，’trainlm’）/*S1为隐含层神经元数，R、S2分别为输入、输出神经元数

2）对初始化参数选定

3）用遗传算法优化BP神经网络的权值、阈值

R=size（pn，1）；

S2=size（tn，1）；

S1=20；

S=R*S1+S1*S2+S1+S2；/*S为遗传算法编码长度

主程序实现：/*P，T为训练样本的输入、输出维数

[P，T，R，S1，S2，S]=nninit/*初始化

bb=ones（S，1）*[-1，1]；/*初始化种群

initPbb=initializega（popa，bb，'gabpEval'）；/*初始化遗传算法

计算最优的网络权值与阈值：

[W1，B1，W2，B2]=gadecod（x）；

net.IW{1，1}=W1；

net.LW{2，1}=W2；

net.b{1}=B1；

net.b{2}=B2；

net=train（net，P，T）；/*用新的权值及阈值训练网络

4）仿真操作

训练停止后可用语句tn_bp_sim=sim（net_bp，P_test）进行仿真，5个测试样本的正确率分别为98%、99%、100%、92%，97%，平均正确率为97.2%。

3 生产管理预警服务平台

果蔬生产管理预警平台包括视频监控、农业环境监测、采集数据的存储及远程控制模块组成。视频监控用于定点、定时的观测果蔬生长情况，该系统包括远程Web在线查看、视频数据存储、回放等功能。农业环境监测是精准农业的基础部分，用于监测影响果蔬生长的环境参数变化。本研究以物联网技术为核心，监测影响果蔬生长的光照强度、CO2浓度，温度、湿度，土壤含氮量、pH等环境信息[9，10]，生产管理者可通过智能终端、Web浏览器等方式实时查看监控区域的详细监测信息和经推理后的预警信息。

1）大棚精准农业检测控制系统设计。在果蔬大棚内合理布置各种传感器，以实现实时监测各项环境参数，同时安装可调控设施（如抽风机、喷淋系统、加热器、补光灯等设备），基于物联网精准农业的果蔬种植预警管理系统如图2所示。该系统可实时采集棚内环境参数，将数据通过有线或无线方式发送至上位机，服务器对数据进行分析，最后以直观的曲线、图表、报警信息等通过终端展现给用户。同时，系统软件为棚内可控设施预留了端口，可通过预警后的人工操作，或用智能终端开启或关闭调控设施实现自动调控，使作物生长在最佳环境中。

不同果蔬对环境、气象在不同时期有不同的需求，如涮涮辣生长过程中，播种后3～4 d，温度要控制在30 ℃左右，当种子破土后，白天温度要控制在15～20 ℃，晚上控制在12～16 ℃；当第一片针叶露尖后白天控制在20～25 ℃，晚上控制在适15～20 ℃；当分苗后前3 d，要保持好空气湿度和温度，保证白天25～30 ℃，晚上控制在15～20 ℃左右，其他时期最宜温度平均为16～21 ℃。这些温度值可预先在专家系统进行设置，若监测到的温度超出设定的范围，系统将自动报警。同样光照、湿度、CO2浓度、肥水的最佳范围值及自动控制策略均可在专家系统中设定。

2）物联网传感平台节点布置。基于物联网的精准农业生产预警系统，无线传感器节点是采集信息单元。传感器节点通常是一个嵌入式系统，各传感器节点集成有传感器其执行器模块、计算与存储模块、通信模块和电源模块[11，12]，其结构如图3所示。为确保大棚果蔬能在最适宜的环境中生长，对传感器节点的设计提出了较高要求，既要求传感器节点能够精确检测大棚内的各种气象、土壤墒情等参数，又要求传感器有效覆盖大棚的每个角落。

该系统在涮涮辣大棚中进行试验，传感器节点的处理器单元和无线传输单元采用CHIPCON公司的CC2430芯片，它是一种基于ZigBee协议，集成89C51内核处理器芯片和ZigBee无线收发模块，内置RF2420射频芯片，并增加CC2591增益放大芯片。单点之间传输有效距离可达700 m，系统监测并存储大棚内各个环境数据，所有监测节点均采用无线传输。棚内空气温湿度、CO2浓度、光照强度按每隔10 m布置一个监测节点，每个监测点分上、中、下3个层次，距地面高度分别为50、100、160 cm。每个大棚部署3个土壤温湿度传感器监测点，每个监测点又分土层5、15、30 cm 3个层次，布置3个pH和氨氮传感器监测点，每个监测点分土层5、、15、30 cm 3个层次。若还需增加监测节点，只需在软件系统中设置即可，硬件的采集节点无需修改。施工采用支架式插入土壤，种植时可快速方便布置，而在空闲季节，可方便回收至仓库保管。采集节点供电采用锂电池供电和太阳能板供电二种模式，根据无线节点的采集频率和传感器耗电量而定，当采集频率间隔≥5 min/次，无线节点的低功耗模式启动，节点可持续工作6个月。

4 物流管理预警平台

物流管理预警平台是果蔬生产管理的扩展平台，是保证其价值量的环节之一。据统计数据显示，每年在运输过程中腐烂变质的水果、蔬菜、乳制品等易损坏食品的总价值达1 000亿元以上，损失率高达25%～30%，而发达国家果蔬的损失率一般控制在5%。因此对鲜嫩易烂的果蔬在运输车辆中安装GPS定位、温湿度传感器及RFID射频识别，实时采集车辆、产品的基本信息，通过3G、GPRS等技术[13]传至监控中心，依托专家系统对采集的数据分析，对货损、延迟、失窃、线路异常等情况预警，以便实现调度和调控，从而有效降低果蔬运输中因腐烂变质的损失率。其运输预警功能结构如图4所示。

底层信息集由GPS卫星导航定位、RFID货物基本信息采集、传感器货物状态信息采集等软硬件组成。监控中心的软件包含数据接收存储、异常报警、基本功能、GIS电子地图绘制等组成。其中GPS导航定位每隔5 min采集车辆途中的实时经纬度、速度及方向信息，通过3G上传至监管中心，监管中心收到信息，计算并结合GIS功能在电子地图上显示，若与预设的不一致，通过3G向管理员及驾驶员发出异常报警信息；RFID定时采集物品的基本信息[14]，如物品编码、采摘日期、数量、价格、目的地等信息，并与RFID中的初始信息对比，若出现信息不一致，则将异常信息通过3G上传至监管中心，并发出报警信息；传感器主要集物品的温湿度、压力等状态信息，这些参数通过无线通讯网传至监控中心，计算是否在适宜值范围内，否则发出预警信息，并通知运输人员采取相应措施，实现对环境的精准调控，以满足产品对保鲜保质的需求，降低果蔬在运输过程中的损失率。

5 小结

基于物联网的精准农业果蔬种植预警系统还处于试验阶段，由于该系统可根据不同作物在不同时期对影响其生长的环境参数按需求设定，并可随时采集环境环境参数传至上位机，依托专家系统对数据分析，用户可通过终端设备对环境参数进行监测，当参数超出了预设值范围，将收到警报信息，并能精细控制肥水、及时预警病虫害、对环境参数调控等功能。因此，基于物联网的精准果蔬预警系既能节约人工工时，将生产成本降低20%左右，又能提高生产效率、提高果蔬的品质，为高品质果蔬打下良好口碑，为强化区域生态果蔬，打造本地高端精品果蔬的推广做了铺垫工作。

参考文献：

[1] 王汝传，孙力娟.物联网技术导论[M].北京：清华大学出版社，2011.

[2] 朱会霞，王福林，索瑞霞，等.物联网在中国现代农业中的应用[J].中国农学通报，2011，33（8）：226-228.

[3] 方 露.浅析物联网技术在科技馆中的应用[J]，科技通报，2012，28（3）：165-168.

[4] 朱景锋.物联网环境下电子政务信息系统入侵检测技术分析与对策研究[J]，科技通报，2012，28（4）：130-132.

[5] 张国军，赖小龙，杨睿茜，等.物联网技术在精准农业环境监测系统中的应用研究[J].湖南农业科学，2011，（15）：173-176.

[6] 付 兵.物联网精准农业系统在瓜果种植中的应用[J].科技通报，2014，30（1）：106-109.

[7] 杨 岚，李书琴.基于Web Service的农产品交易系统的研究与设计[J].计算机工程与设计，2008，29（8）：2118-2120.

[8] 王福顺，孙小华.基于优化神经网络的温室厚皮甜瓜病害预测[J].河南农业科学，2012，41（11）：103-106.

[9] 马斌强，刘美琪，季宝杰，等.ZigBee技术在精准农业中的应用[J].江西农业学报，2008，20（10）：121-123.

[10] 洪 霞，江 洪，余树全.高光谱遥感在精准农业生产中的应用[J].安徽农业科学，2010（1）：529-531.

[11] 董方敏，王纪华，任 东.农业物联网技术及应用[M].北京：中国农业出版社，2012.

[12] 丁海峡，贾宝磊，倪远平.基于GPRS和ZigBee的精准农业模式研究[J].自动化仪表，2009，4（30）：17-23.

第6篇：神经网络的基本功能范文

【关键词】电力系统远动控制自动化

中图分类号：F407.61 文献标识码：A 文章编号：

随着我国电力系统的城网和农网大规模改造以及大型工矿企业的升级，变电站对自动化程度的要求越来越高，要求能够综合监控整个电网的运行状况，监控一次设备的状态，实现“四遥”以及历史记录、报表、事故分析等等。然而电力系统要想实现调度真正自动化，就必须结合计算机技术和通信技术，通过远动控制技术来实现。因此，远动控制技术在加快电力系统自动化的进程中起着至关重要的作用。

一、远动控制技术及工作原理

远动控制技术主要由调度和控制端以及执行终端（发电厂、变电站等）组成，完成电力系统的遥控、遥信、遥测和遥调等技术，以确保电力系统运行的稳定可靠和经济性。首先调度需要从终端（发电厂、变电站等）采集系统运行数据和相关参数，如设备位置信号等。对获取的系统运行状况进行分析判断后，下达命令给执行端（发电厂、变电站等）进行设备的操作和参数的调整，实时完成测控任务。由此可见，远动控制设备是变电站与调度、执行端之间信息传递的桥梁。其主要模块有集中监视模块和集中控制模块。前者是实现在正常的情况下监视系统运行是否合理。当系统出现故障时，及时处理所发生的故障，以确保电力系统的安全稳定运行；后者是工作人员利用远动设备采用人机交互的方式实现电力系统的遥控和遥调，在提高系统运行效率和质量的同时，大大减少所需的人力物力，并减少电力系统的运行维护费用。随着我国电力系统自动化远动控制技术应用的不断深入，其获取的经济效益将更加明显。

遥测、遥信、遥控和遥调是远动系统的基本功能。应用通信技术传送被测变量的测量值，称为远程测量，简称遥测。应用通信技术完成对设备状态信息的监视，称为远程信号，简称遥信。

应用通信技术，完成改变运行设备状态的命令称为远程命令，又称遥控。调度控制中心送给终端（发电厂或变电所等）的远程命令有控制命令和调节命令等。当调度控制中心需要直接抑制发电厂、变电所中的某些设备，如断路器的合闸、分闸，发电机的开机、停机，无功补偿设备的投入、切除等，就发出相应的控制命令。这种应用通信技术，完成对有两个确定状态的运行设备的控制称为远程切换。在我国通常把远程切换也称为遥控。远动系统的功能根据电力系统的实际需要还在不断地扩展，为了有助于分析电力系统的事故、保证远方设备的正常运行和便于维护，将来的远动控制系统还将具有自检查、自诊断等功能。

电力系统远动控制技术实现的功能主要是四遥功能，分别是遥测（YC）和遥信（YX）、遥控（YK）和遥调（YT）四方面的功能，遥测与遥信是远动设置RTU将采集的厂站运行参数和状态按规约上传送给调度中心，遥控和遥调则是调度中心发给远动设置RTU的改变运行状态和调整设备运行参数的命令。远动控制在电力系统中主要运用的是数据采集术、信道编码技术和通信传输技术3部分，其原理如图1所示。

图1 远动控制原理

二、电力系统自动化中远动控制技术的应用

1、数据采集技术应用

电力系统自动化中远动控制数据采集技术主要涉及变送器和A/D转换等技术。该系统的信号处理，多采用的是TTL电平信号，一般是0～5 V。由于在电力系统中运行的设备都属于高电压、大功率设备，因此，必须要利用变送器来转换这些高电压、大功率设备的运行参数，才能使这些数据能够在远动控制装置中得到处理，也就是将电力系统中的电压、电流等转换成合适的TTL电平信号，同时模拟信号则利用A/D技术转化成数字信号，实现YX信息的编码和YC信息的采集。其中，YX量的传送要利用光电隔离设备进行采集，并将对象状态中的二进制码编写到遥信数据帧中，再利用数字多路开关输出到接口电路。通过CT、PT以及传感器获取电压电流信号后，由滤波放大环节将高次谐波去除，并送入取样保持环节同步采集，获得与信号源同步信号，然后由A/D转换信号后，送入STD空机等高级环节中，实现数据的采集。

2、信道编码技术应用

在电力系统自动化中远动控制信道编码技术主要涉及信道的编、译码以及信息传输协议等。远动控制装置所采集到的信息要想被使用，就要通过信道传输到调度控制中心。由于信道存在扰的缺陷，因此，为了能够使信息具有较强的抗干扰性，就必须对信道进行编、译码。如图2所示。

图2 数字传输系统

在通信系统中，针对信道编、译码的方式有许多，电力系统自动化中所采用的编、译码主要是线性分组码。其中，还采用了循环码进行编、译。

3、远动系统中的循环式数据传送规约

在电力系统远动控制中，为了实现变电站、电厂和调度中心的数据通信，在信道编译码前，必须建立一种预先约定的通信方式和数据格式，这就是通信规约或协议。目前电力系统中主要采用循环式数据传送（CDT）规约进行数据传送。在数据传送过程中，一般是以帧结构进行传送的，在远动系统中，重要遥测安排在A帧，次要遥测安排在B帧，一般遥测安排在C帧传送，遥信状态信息、电能脉冲计数值分别安排在D1和D2帧，而事件顺序记录安排在E帧进行传送。对于帧结构，一般以同步字开头，并有控制字和信息字，其长度可变，结构如下。

通过帧格式的包装之后，数据就可以按照规约进行传送，完成信道的全部编译码工作。

4、通信传输技术应用

在电力系统自动化中远动控制通信传输技术主要涉及调制与解调2种技术。电力系统自动化系统通过自身所具有的电力通信网络资源与方式（例如卫星和微波、光缆和载波等通信方式）来构建电力通信专用网。由于目前电力系统自动化系统主要是采用电力线载波和光纤通讯形式来完成信号的传输，其中电力线载波数据通信的实现是通过在信号发射端中进行编码后产生的基带信号，以及电力线中的高频谐波信号为载波信号，并利用多种调制技术将其转换模拟信号后，以电流和电压的方式顺从电力线进行通信传输；同时在接收端中，利用解调技术将转换的模拟信号还原成为数字信号。电力系统自动化是由调制解调器调制解调技术，实现数据通信。目前，随着光纤传输技术可靠性的不断提高，光通道设备造价的不断降低，全国范围内电力系统自动化控制光纤传输网络正迅速形成，这种新型的通信传输网络必将很快取代微波传输技术，成为电力系统自动化控制通信传输的主要方式。

三、电力系统自动化提高途径

1、神经网络控制技术的应用

由于神经网络具有本质的非线性特性、并行处理能力、强鲁棒性以及自组织自学习的能力，所以受到人们的普遍关注。神经网络是由大量简单的神经元以一定的方式连接而成的。神经网络将大量的信息隐含在其连接权值上，根据一定的学习算法调节权值，使神经网络实现从m维空间到n维空间复杂的非线性映射。目前神经网络理论研究主要集中在神经网络模型及结构的研究、神经网络学习算法的研究、神经网络的硬件实现问题等。

2、模糊逻辑控制技术的应用

模糊方法使控制十分简单而易于掌握，在家用电器中也显示出优越性建立模型来实现控制是现代比较先进的方法，实践证明它有巨大的优越性。模糊控制理论的应用非常广泛。例如我们日常所用的电热炉、电风扇等电器。这里介绍用模糊逻辑控制器改进常规恒温器的例子。电热炉一般用恒温器来保持几档温度，以供烹饪者选用，模糊控制的方法很简单，输入量为温度及温度变化两个语言变量，每个语言的论域用5组语言变量互相跨接来描述。

3、专家系统控制技术的应用

专家系统在电力系统中的应用范围很广，包括对电力系统处于警告状态或紧急状态的辨识，提供紧急处理，系统恢复控制，非常慢的状态转换分析，切负荷，系统规划，电压无功控制，故障点的隔离，配电系统自动化，调度员培训，电力系统的短期负荷预报，静态与动态安全分析，以及先进的人机接口等方面。虽然专家系统在电力系统中得到了广泛的应用，但仍存在一定的局限性，如难以模仿电力专家的创造性。

4、线性最优控制技术的应用

最优控制是现代控制理论的一个重要组成部分，也是将最优化理论用于控制问题的一种体现。线性最优控制是目前诸多现代控制理论中应用最多，最成熟的一个分支。卢强等人提出了利用最优励磁控制手段提高远距离输电线路输电能力和改善动态品质的问题，取得了一系列重要的研究成果。该研究指出了在大型机组方面应直接利用最优励磁控制方式代替古典励磁方式。另外，最优控制理论在水轮发电机制动电阻的最优时间控制方面也获得了成功的应用。

结束语

随着计算机技术和网络通信技术的高速发展，远动控制技术也在不断的变革和改进，在加快电力系统综合自动化的发展进程中将会发挥更加重要的作用。

参考文献

[1] 张凯. 电力系统调度自动化中远动控制技术的应用[J]. 科技风. 2010(24)

第7篇：神经网络的基本功能范文

关键词 人工神经网络 供暖热网预测 外时延 内时延 反馈型BP网络 Elman网络

一些复杂的生产过程，如热网供热，由于其反应机理非常复杂，具有很强的非线性、大滞后、时变性和不确定性，难以建立被控对象的数学模型，至今仍很少实现闭环控制，只好有经验的操作人员进行调节。操作人员虽然没有被控对象的数学模型，但是由于他们比较熟悉供暖热网和设备，且在长期的现场工作中积累了丰富的操作经验，他们通过观察仪表指示的变化，如热网的从、回水温度、室外温度等参数，并且预估某些参数将要发生的变化，然后调整供热负荷，以保证热网供暖正常。这种人工控制方式一般也能达到较好的控制效果，但是由于操作人员的经验与能力的不同，或由于人的疲劳、责任心等原因，也时常会因操作不当造成热网供暖不正常，或在产生突发事件时，不能预测将会发展或延续扩大的严重故障，而引发更大的故障。

预测对于提供未来的信息，为当前人人作出有利的决策具有重要意义。现有的预测方法如时间序列分析中的AR模型预测方法，只适用于线性预测，而且，还需要对所研究的时间序列进行平稳性、零均值等假定，其适用范围受到一定的限制。近年来，人工神经网络以其高度的非线性映射能力，在某些领域的预测中得到广泛的关注。本文利用神经网络技术辨识供暖热网动态预报系统的模型，并对其进行了实际训练和测试，分别建立了外时延反馈型BP网络模型和内时延反馈型Elman网络的预测模型。

1 外时延反馈BP网络

多层前向网络是研究和应用的最广泛也是最成功的人工神经元网络之一。多层前向网络是一种映射型网络。理论上，隐层采用Sigmoid激活函数的三层前向网络能以任意精度逼近任一非线函数，神经元网络可以根据与环境的相互作用对自身进行调节即学习，一个BP网络即是一个多层前向网络加上误差反向传播学习算法，因此一个BP网络应有三项基本功能：（1）信息由输入单元传到隐单元，最后传到输出单元的信息正向传播；（2）实际输出与期望输出之间的误差由输出单元传到隐单元，最后传到输入单元的误差反向传播；（3）利用正向传播的信息和反向传播的误差对网络权系数进行修正的学习过程。目前，多层前向网络的权系数学习算法大多采用BP算法及基于BP算法的改进算法，如带动量项的BP算法等。BP网络虽然有很广泛的应用，但由于它是一个静态网络，所以只能用于处理与时间无关的对象，如文字识别、空间曲线的逼近等问题。热网供暖的各项参数都是与时间有关系的，而且我们即将建立的供暖热网预报模型必须是一个动态模型。为此，必须在网络中引入记忆和反馈功能。可以有两种方式实现这一功能，一是采用外时延反馈网络，即反输入量以前的状态存在延时单元中，且在输入端引入输出量以前状态的反馈，如图1所示；另一种方式是采用内时延反馈网络，既在网络内部引入反馈，使网络本身构成一个动态系统，如下面将要介绍的Elman网络。

图1 处延时反馈网络

2 Elman网络

如前所述，在BP网络外部加入延时单元，把时间信号展开成空间表示后再送给静态的前向网络作为一类输入，从而实现时间序列建模和预测。然而，这种方式大大增加了输入节点个数因而导致了网络结构膨胀，训练精度下降，训练时间过长。

Elman动态网络是动态递归网络中较为简单的一种结构，如图2所示。

图2 Elman网络

由输入层、隐含层、结构层（联系单元层）和输出层组成，结构层记忆隐含层过去的状态，并在下一时刻与网络的输入，一同输入隐含层，起到一步延时算子作用。因此，Elman动态递归网络具有动态记忆的功能，无需使用较多的系统状态作为输入，从而减少了输入层单元数。

3 供热网络预报模型

根据研究问题的性质不同，选择不同的网络结构和激活函数，以便建立准确的神经网络预报模型。外时延反馈网络和内时延反馈网络都将其时延单元和反馈单元视为BP网络的输入参数，因此可以应用BP算法训练网络，其隐含层和输出层的节点激活函数可选择tansig、purelin函数，表达式为：

tansig函数：

purelin函数：　f2(x)=kx

输出：

其中：xi----热网输入；

wji----由输入层节点i隐层节点j之间的权值；

θj----隐层节点j的阈值；

wkj----由隐层节点j至输出层节点k之间的权值；

θk----输出层层节点k的阈值。

从成因上分析供暖热网的影响因子，运用相关图法或逐步回归分析法等对初选影响因子进行显著性分析和检验，剔除不显著因子。在此基础上，研究基于人工神经网络的供暖热网实时预报模型的建模和预报问题。本文选用牡丹江西海林小区锅炉房2000年11月～2001年4月的部分测量数据进行建模及测试，预测在相应时刻的热网供水温度、回水温度及室外温度值。

3．1 模型I：外进延反馈网络

输入参数为当前时刻与过去时刻的①室外温度（i）（i-1）（i-2）（i-3）（i-4）; ②供水流量（i）（i-1）（i-2）（i-3）（i-4）;③补水流量（i）（i-1）（i-2）（i-3）（i-4）; ④供水温度（i）（i-1）（i-2）（i-3）（i-4）;⑤回水温度（i）（i-1）（i-2）（i-3）（i-4）;，共二十五个输入量。输出量为未来时刻的①室外温度（i +1）（i+2）；②供水温度（i +1）（i+2）；③回水温度（i +1）（i+2）；共六个输出量。其中每一周期间隔15min。训练样本为前2000个数据组，测试样本为后2000个数据组。输出曲线有训练样本与计算数据比较曲线和测试样本与计算数据比较曲线。

网络结构共三层，输入层节点25个，隐层节点25个，输出层节点6个。取学习率η=0.7，动量因子a=0.3，训练精度ε=4.5e-3，经过1000次正反向传播和学习，网络训练满足设定条件，此时训练计算的均方差为0.00449767。将检验样本输入训练好的网络模型，其检验结果如图3、图4（因篇幅所限仅给出回水温度预报值）所示。

图3 回水温度一步预报曲线

实线：计算数据；虚线：实际数据

图4 回水温度二步预报曲线

实线：计算数据；虚线：实际数据

3．2 模型II：内时延反馈Elman网络。

输入参数为当前时刻的①室外温度（i）; ②供水流量（i））;③补水流量（i）; ④供水温度（i）;⑤回水温度（i）;，共五个输入量。输出量为未来时刻的①室外温度（i +1）（i+2）；②供水温度（i +1）（i+2）；③回水温度（i +1）（i+1）；共六个输出量。其中每一周期间隔15min。训练样本为前2000个数据组，测试样本为后2000个数据组。输出曲线有训练样本与计算数据比较曲线和测试样本与计算数据比较曲线。

网络结构共三层，输入层节点25个，隐层节点25个，输出层节点6个。取学习率η=0.7，动量因子a=0.3，训练精度ε=4.5e-3，经过1000次正反向传播和学习，网络训练满足设定条件，此时训练计算的均方差为0.0044999。将检验样本输入训练好的Elman网络模型，其检验结果如图5、图6（因篇幅所限仅给出回水温度预报值）所示。

图5 回水温度一步预报曲线

实线：计算数据；虚线：实际数据

图6 回水温度二步预报曲线

实线：计算数据；虚线：实际数据

第8篇：神经网络的基本功能范文

关键词：农村电力系统；继电保护；新技术；应用；分析

Abstract: with the rapid development of electric power industrialization, to push for the power system protection the improvement of new technology, this paper briefly reviews the development course of the electric protection technology, and introduced the relay protection to the development of new technologies, features, including computers, networks, intelligence and protection, control, measurement and data communications integration, and its application in electric power system in rural areas are analyzed.

Key words: the rural power system; The relay protection; New technology; Application; analysis

中图分类号：G812.42文献标识码：A 文章编号：

继电保护技术是随着电力系统的发展而发展起来的。从2O世纪50年代开始到目前为止，继电保护已经历了从电磁式保护装置到晶体管式继电保护装置、到集成电路继电保护装置、再到微机继电保护装置4个发展阶段。近年来，随着计算机技术、通信技术和网络技术为代表的现代信息技术的迅猛发展，继电保护技术得到快速发展。农村电力系统相对于城市电力系统，其继电保护的性能和水平、信息化的发展、运行的安全、稳定和可靠等方面还存在一定的差距。本文对近年来继电保护新技术的发展趋势及其在农村电力系统中应用加以介绍，以对我国农村电力系统的发展提供借鉴。

1 电力系统继电保护的计算机化

电力工业化的不断发展，继电保护装置除了具有继电保护的基本功能外，还应具备有大容量故障信息和数据的长期存放空间功能、数据快速处理功能、强大的通信功能和全系统数据共享功能等。因此，要实现这些功能，继电保护计算机化是继电保护技术发展的必然趋势。

继电保护计算机化是以数字式计算机为基础而构成的继电保护。一整的微机保护装置主要由硬件和软件二部分构成：硬件指模拟和数字电子电路，提供软件运行的平台，并且提供微机保护装置与外部系统的电气联系，具体包括数据采集系统、CPU主系统、开关量输出、输入系统及设备等；软件指计算机程序，由它按照保护原理和功能的要求对硬件进行控制，有序地完成数据采集、外部信息交换、数字运算和逻辑判断以及动作指令执行等各项操作。

从20世纪7O年代末，华中理工大学、东南大学、华北电力学院、西安交通大学等高等院校和科研院所即已开始了计算机继电保护的研究，相继研制了不同原理、不同型式的微机保护装置。随着微机保护装置的研究，在微机保护软件、算法等方面也取得了很多理论成果。从20世纪90年代开始，我国继电保护技术已进入了微机保护的时代。由于计算机继电保护与传统保护装置相比具有灵活、可靠、稳定，且可方便地扩充其他辅助功能。因此，随着近年来农网改造的逐步深入，计算机继电保护在农网中将得到广泛应用。

2 电力系统继电保护网络化

继电保护装置的作用不只限于切除故障元件和限制事故影响范围，还要保证全系统的安全稳定运行。目前，继电保护装置除了纵差动保护和纵联保护外，都只能反应保护安装处的电气量，继电保护的作用也只限于切除故障元件和缩小事故影响的范围。因此，如果每个保护单元都能共享全系统的运行和故障信息的数据，并在此基础上协调动作，将可确保系统的安全稳定运行。网络计划技术就是利用网络图表达计划任务的进度安排及其各项作业之间的相互关系，进而对网络进行分析并计算网络时间值，确定关键工序和关键路线并运用一定的技术组织措施对项目进行优化的方案。继电保护网络化技术通过计算机网络将全系统各主要设备的保护装置联接起来，即实现微机保护装置的网络化。其基本系统是一个基于B／S模式的三层结构系统(见图1)。

图1 基于B／S模式的三层结构系统

系统由5大功能子系统构成，子系统完成自己特定功能并处于不同物理位置提供服务。这种用计算机网络实现的分布式母线保护原理，比传统的集中式母线保护原理有较高的可靠性，可大大提高保护性能，用户能够利用该系统通过计算机网络进行继电保护相关的各种业务，包括保护配置管理、参数管理、实验记录管理、安全措施管理和运行指标管理等。

农网继电保护系统由于工作地点分散，人员之间的协调、沟通难度大，值班调度人员难以及时了解和记录继电保护设备的运行情况，现场的操作人员也不能够及时地得到调度人员的传票进行现场调整，采用计算机网络系统，将可有效解决这些问题。

3 电力系统继电保护智能化

近年来，人工智能技术如神经网络、遗传算法、进化规划、模糊逻辑等在电力系统各个领域都得到了应用，在继电保护领域也开始得到应用。在电力系统里存在很多非线性问题，用传统的方法，难以得到满意的解决，而应用人工神经网络理论，则能够迎刃而解 。例如在输电线两侧系统电势角度摆开情况下发生经过渡电阻的短路就是一种非线性问题，距离保护很难正确作出故障位置的判别，从而造成误动或拒动。如果用神经网络方法，经过大量故障样本的训练，只要样本集中充分考虑了各种情况，则在发生任何故障时都可正确判别 。这些人工智能方法在农村复杂的电网中得以应用，一方面在管理上使得电力系统减少了不必要的资源浪费，另一方面在其它各项技术的运用方面为工作人员提供了广阔的技术空间，具有广阔的发展前景。

4 继电保护、控制、测量和数据通信一体化

在实现继电保护的计算机化和网络化条件下，继电保护装置是整个电力系统计算机网络上的一个智能终端。一方面它可以从网上获取电力系统运行和故障的任何信息。同时，也可将自身所获得的被保护元件的任何信息传送给网络控制中心或任一终端。因此，每个计算机保护装置不但可以完成继电保护功能，而且可控制、测量和数据通信，达到实现保护、控制、测量、数据通信一体化。华中科技大学石东源等开发了电网继电保护分析计算及管理一体化系统，其同时可实现整定计算、故障计算、在线校核、故障信息远传、故障综合分析、运行管理、参数管理、设备管理和图档管理等多重任务。该一体化系统已经在国家电力调度通信中心投入运行，在实现整定计算和故障计算等分析计算自动化的同时，还实现了对6个500kV发电厂和变电站内主要继电保护装置和故障录波装置的远程在线监测，并在故障情况下能够实现故障信息的准实时上送，从而实现调度端对故障的及时准确处理。

农网为了测量、保护和控制的需要，各个地点的室外变电站的所有设备，如变压器、线路等的二次电压、电流都必须用控制电缆引到主控室。这不仅要铺设大量的控制电缆，而且使二次回路非常复杂。如果采用保护、控制、测量和数据通信一体化计算机装置，则可有效解决以上问题。

5 结束语

农网继电保护方面是我国电网继电保护的薄弱环节，许多新技术在农网继电保护上的应用还较少，农网继电保护新技术的应用是一项极具挑战性和战略性的事业，开展多领域跨学科的合作是提升农网继电保护水平，实现农村电网安全、稳定和可靠地运行，对我国新农村建设具有重要意义。

参考文献

[1]孙丽萍．继电保护原理最新研究进展[J]．煤炭技术，2009(2)：46—48．

[2]马顺绪．浅谈电力系统继电保护技术的发展趋势[J]．科技经济市场，2010(4)27—28

[3]李任种，田有文．信息技术在农网继电保护中的应用[J]．农机化研究，2008(2)：175—176．

[4]胡乃有，李辉．配电网网络化继电保护[J]．农村电气化，2006(12)：29—30．

[5]丁锋．基于网络信息平台的继电保护管理系统研究[J]．内蒙古科技与经济，2007(4)：99—102．

[6]杜万秋．继电保护技术的发展历程及人工神经网络的应用[J]．哈尔滨职业技术学院学报2005(4)

[7]唐蕾，陈维荣．神经网络在电力系统自适应单相重合闸中的应用[J]．继电器，2003，31(8)：26—29．

第9篇：神经网络的基本功能范文

电力系统的飞速发展对继电保护不断提出新的要求，电子技术、计算机技术与通信技术的飞速发展又为继电保护技术的发展不断地注入了新的活力，因此，继电保护技术得天独厚，在40余年的时间里完成了发展的4个历史阶段。

建国后，我国继电保护学科、继电保护设计、继电器制造工业和继电保护技术队伍从无到有，在大约10年的时间里走过了先进国家半个世纪走过的道路。50年代，我国工程技术人员创造性地吸收、消化、掌握了国外先进的继电保护设备性能和运行技术［1］，建成了一支具有深厚继电保护理论造诣和丰富运行经验的继电保护技术队伍，对全国继电保护技术队伍的建立和成长起了指导作用。阿城继电器厂引进消化了当时国外先进的继电器制造技术，建立了我国自己的继电器制造业。因而在60年代中我国已建成了继电保护研究、设计、制造、运行和教学的完整体系。这是机电式继电保护繁荣的时代，为我国继电保护技术的发展奠定了坚实基础。

自50年代末，晶体管继电保护已在开始研究。60年代中到80年代中是晶体管继电保护蓬勃发展和广泛采用的时代。其中天津大学与南京电力自动化设备厂合作研究的500kV晶体管方向高频保护和南京电力自动化研究院研制的晶体管高频闭锁距离保护，运行于葛洲坝500kV线路上［2］，结束了500kV线路保护完全依靠从国外进口的时代。

在此期间，从70年代中，基于集成运算放大器的集成电路保护已开始研究。到80年代末集成电路保护已形成完整系列，逐渐取代晶体管保护。到90年代初集成电路保护的研制、生产、应用仍处于主导地位，这是集成电路保护时代。在这方面南京电力自动化研究院研制的集成电路工频变化量方向高频保护起了重要作用［3］，天津大学与南京电力自动化设备厂合作研制的集成电路相电压补偿式方向高频保护也在多条220kV和500kV线路上运行。

我国从70年代末即已开始了计算机继电保护的研究［4］，高等院校和科研院所起着先导的作用。华中理工大学、东南大学、华北电力学院、西安交通大学、天津大学、上海交通大学、重庆大学和南京电力自动化研究院都相继研制了不同原理、不同型式的微机保护装置。1984年原华北电力学院研制的输电线路微机保护装置首先通过鉴定，并在系统中获得应用［5］，揭开了我国继电保护发展史上新的一页，为微机保护的推广开辟了道路。在主设备保护方面，东南大学和华中理工大学研制的发电机失磁保护、发电机保护和发电机?变压器组保护也相继于1989、1994年通过鉴定，投入运行。南京电力自动化研究院研制的微机线路保护装置也于1991年通过鉴定。天津大学与南京电力自动化设备厂合作研制的微机相电压补偿式方向高频保护，西安交通大学与许昌继电器厂合作研制的正序故障分量方向高频保护也相继于1993、1996年通过鉴定。至此，不同原理、不同机型的微机线路和主设备保护各具特色，为电力系统提供了一批新一代性能优良、功能齐全、工作可靠的继电保护装置。随着微机保护装置的研究，在微机保护软件、算法等方面也取得了很多理论成果。可以说从90年代开始我国继电保护技术已进入了微机保护的时代。

2继电保护的未来发展

继电保护技术未来趋势是向计算机化，网络化，智能化，保护、控制、测量和数据通信一体化发展。

2.1计算机化

随着计算机硬件的迅猛发展，微机保护硬件也在不断发展。原华北电力学院研制的微机线路保护硬件已经历了3个发展阶段：从8位单CPU结构的微机保护问世，不到5年时间就发展到多CPU结构，后又发展到总线不出模块的大模块结构，性能大大提高，得到了广泛应用。华中理工大学研制的微机保护也是从8位CPU，发展到以工控机核心部分为基础的32位微机保护。

南京电力自动化研究院一开始就研制了16位CPU为基础的微机线路保护，已得到大面积推广，目前也在研究32位保护硬件系统。东南大学研制的微机主设备保护的硬件也经过了多次改进和提高。天津大学一开始即研制以16位多CPU为基础的微机线路保护，1988年即开始研究以32位数字信号处理器(DSP)为基础的保护、控制、测量一体化微机装置，目前已与珠海晋电自动化设备公司合作研制成一种功能齐全的32位大模块，一个模块就是一个小型计算机。采用32位微机芯片并非只着眼于精度，因为精度受A/D转换器分辨率的限制，超过16位时在转换速度和成本方面都是难以接受的；更重要的是32位微机芯片具有很高的集成度，很高的工作频率和计算速度，很大的寻址空间，丰富的指令系统和较多的输入输出口。CPU的寄存器、数据总线、地址总线都是32位的，具有存储器管理功能、存储器保护功能和任务转换功能，并将高速缓存(Cache)和浮点数部件都集成在CPU内。

电力系统对微机保护的要求不断提高，除了保护的基本功能外，还应具有大容量故障信息和数据的长期存放空间，快速的数据处理功能，强大的通信能力，与其它保护、控制装置和调度联网以共享全系统数据、信息和网络资源的能力，高级语言编程等。这就要求微机保护装置具有相当于一台PC机的功能。在计算机保护发展初期，曾设想过用一台小型计算机作成继电保护装置。由于当时小型机体积大、成本高、可靠性差，这个设想是不现实的。现在，同微机保护装置大小相似的工控机的功能、速度、存储容量大大超过了当年的小型机，因此，用成套工控机作成继电保护的时机已经成熟，这将是微机保护的发展方向之一。天津大学已研制成用同微机保护装置结构完全相同的一种工控机加以改造作成的继电保护装置。这种装置的优点有：(1)具有486PC机的全部功能，能满足对当前和未来微机保护的各种功能要求。(2)尺寸和结构与目前的微机保护装置相似，工艺精良、防震、防过热、防电磁干扰能力强，可运行于非常恶劣的工作环境，成本可接受。(3)采用STD总线或PC总线，硬件模块化，对于不同的保护可任意选用不同模块，配置灵活、容易扩展。

继电保护装置的微机化、计算机化是不可逆转的发展趋势。但对如何更好地满足电力系统要求，如何进一步提高继电保护的可靠性，如何取得更大的经济效益和社会效益，尚须进行具体深入的研究。\

2.2网络化

计算机网络作为信息和数据通信工具已成为信息时代的技术支柱，使人类生产和社会生活的面貌发生了根本变化。它深刻影响着各个工业领域，也为各个工业领域提供了强有力的通信手段。到目前为止，除了差动保护和纵联保护外，所有继电保护装置都只能反应保护安装处的电气量。继电保护的作用也只限于切除故障元件，缩小事故影响范围。这主要是由于缺乏强有力的数据通信手段。国外早已提出过系统保护的概念，这在当时主要指安全自动装置。因继电保护的作用不只限于切除故障元件和限制事故影响范围(这是首要任务)，还要保证全系统的安全稳定运行。这就要求每个保护单元都能共享全系统的运行和故障信息的数据，各个保护单元与重合闸装置在分析这些信息和数据的基础上协调动作，确保系统的安全稳定运行。显然，实现这种系统保护的基本条件是将全系统各主要设备的保护装置用计算机网络联接起来，亦即实现微机保护装置的网络化。这在当前的技术条件下是完全可能的。

对于一般的非系统保护，实现保护装置的计算机联网也有很大的好处。继电保护装置能够得到的系统故障信息愈多，则对故障性质、故障位置的判断和故障距离的检测愈准确。对自适应保护原理的研究已经过很长的时间，也取得了一定的成果，但要真正实现保护对系统运行方式和故障状态的自适应，必须获得更多的系统运行和故障信息，只有实现保护的计算机网络化，才能做到这一点。

对于某些保护装置实现计算机联网，也能提高保护的可靠性。天津大学1993年针对未来三峡水电站500kV超高压多回路母线提出了一种分布式母线保护的原理［6］，初步研制成功了这种装置。其原理是将传统的集中式母线保护分散成若干个(与被保护母线的回路数相同)母线保护单元，分散装设在各回路保护屏上，各保护单元用计算机网络联接起来，每个保护单元只输入本回路的电流量，将其转换成数字量后，通过计算机网络传送给其它所有回路的保护单元，各保护单元根据本回路的电流量和从计算机网络上获得的其它所有回路的电流量，进行母线差动保护的计算，如果计算结果证明是母线内部故障则只跳开本回路断路器，将故障的母线隔离。在母线区外故障时，各保护单元都计算为外部故障均不动作。这种用计算机网络实现的分布式母线保护原理，比传统的集中式母线保护原理有较高的可靠性。因为如果一个保护单元受到干扰或计算错误而误动时，只能错误地跳开本回路，不会造成使母线整个被切除的恶性事故，这对于象三峡电站具有超高压母线的系统枢纽非常重要。

由上述可知，微机保护装置网络化可大大提高保护性能和可靠性，这是微机保护发展的必然趋势。

2.3保护、控制、测量、数据通信一体化

在实现继电保护的计算机化和网络化的条件下，保护装置实际上就是一台高性能、多功能的计算机，是整个电力系统计算机网络上的一个智能终端。它可从网上获取电力系统运行和故障的任何信息和数据，也可将它所获得的被保护元件的任何信息和数据传送给网络控制中心或任一终端。因此，每个微机保护装置不但可完成继电保护功能，而且在无故障正常运行情况下还可完成测量、控制、数据通信功能，亦即实现保护、控制、测量、数据通信一体化。

目前，为了测量、保护和控制的需要，室外变电站的所有设备，如变压器、线路等的二次电压、电流都必须用控制电缆引到主控室。所敷设的大量控制电缆不但要大量投资，而且使二次回路非常复杂。但是如果将上述的保护、控制、测量、数据通信一体化的计算机装置，就地安装在室外变电站的被保护设备旁，将被保护设备的电压、电流量在此装置内转换成数字量后，通过计算机网络送到主控室，则可免除大量的控制电缆。如果用光纤作为网络的传输介质，还可免除电磁干扰。现在光电流互感器(OTA)和光电压互感器(OTV)已在研究试验阶段，将来必然在电力系统中得到应用。在采用OTA和OTV的情况下，保护装置应放在距OTA和OTV最近的地方，亦即应放在被保护设备附近。OTA和OTV的光信号输入到此一体化装置中并转换成电信号后，一方面用作保护的计算判断；另一方面作为测量量，通过网络送到主控室。从主控室通过网络可将对被保护设备的操作控制命令送到此一体化装置，由此一体化装置执行断路器的操作。1992年天津大学提出了保护、控制、测量、通信一体化问题，并研制了以TMS320C25数字信号处理器(DSP)为基础的一个保护、控制、测量、数据通信一体化装置。

2.4智能化

近年来，人工智能技术如神经网络、遗传算法、进化规划、模糊逻辑等在电力系统各个领域都得到了应用，在继电保护领域应用的研究也已开始［7］。神经网络是一种非线性映射的方法，很多难以列出方程式或难以求解的复杂的非线性问题，应用神经网络方法则可迎刃而解。例如在输电线两侧系统电势角度摆开情况下发生经过渡电阻的短路就是一非线性问题，距离保护很难正确作出故障位置的判别，从而造成误动或拒动；如果用神经网络方法，经过大量故障样本的训练，只要样本集中充分考虑了各种情况，则在发生任何故障时都可正确判别。其它如遗传算法、进化规划等也都有其独特的求解复杂问题的能力。将这些人工智能方法适当结合可使求解速度更快。天津大学从1996年起进行神经网络式继电保护的研究，已取得初步成果［8］。可以预见，人工智能技术在继电保护领域必会得到应用，以解决用常规方法难以解决的问题。

3结束语

建国以来，我国电力系统继电保护技术经历了4个时代。随着电力系统的高速发展和计算机技术、通信技术的进步，继电保护技术面临着进一步发展的趋势。国内外继电保护技术发展的趋势为：计算机化，网络化，保护、控制、测量、数据通信一体化和人工智能化，这对继电保护工作者提出了艰巨的任务，也开辟了活动的广阔天地。

作者单位：天津市电力学会(天津300072)

参考文献

1王梅义.高压电网继电保护运行技术.北京：电力工业出版社，1981

2HeJiali,ZhangYuanhui,YangNianci.NewTypePowerLineCarrierRelayingSystemwithDirectionalComparisonforEHVTransmissionLines.IEEETransactionsPAS-103，1984(2)

3沈国荣.工频变化量方向继电器原理的研究.电力系统自动化，1983(1)

4葛耀中.数字计算机在继电保护中的应用.继电器，1978(3)

5杨奇逊.微型机继电保护基础.北京：水利电力出版社，1988

6HeJiali,Luoshanshan,WangGang,etal.ImplementationofaDigitalDistributedBusProtection.IEEETransactionsonPowerDelivery,1997,12(4)