電力系統繼電保護是一門綜合性學科。今天，發電機出租隨著繼電保護技術向數字化的發展，各種新的原理和技術已被廣泛應用于數字保護。人工神經網絡具有自學習和自適應能力。將人工神經網絡應用于繼電保護領域已成為研究的熱點。如果將神經網絡技術應用于實時控制領域，例如繼電保護，則需要相對高的可靠性。性，發電機租賃在投入實際應用時存在一定難度。難點主要體現在神經網絡缺乏歸一化能力，即受過訓練的網絡不能保證100％的可靠性，而在國內外。發電機出租根據學者發表的論文，出現了大量的研究成果，如人工神經網絡實現距離保護，故障分類，故障定位等，并取得了良好的效果;神經網絡在發電機中的應用保護相對較少。例如，提出了基于微分原理的發電機定子繞組保護。它使用兩個神經網絡。個用于故障檢測，以檢測發電機是處于正常，外部故障還是內部故障狀態。另一個神經網絡用于故障選擇。用于發電機電流和中性點以及轉子繞組的連續五個樣本的神經網絡的輸入提出了作為神經網絡的輸入的動作電流和制動電流的計算值，并且使用遺傳算法縮短了網絡的訓練時間，取得了良好的效果。

　　發電機差動保護實現的原理不同，發電機出租性能在電力系統中的故障行為有很大差異，特別是在電力系統短路故障時，系統處于瞬態和CT飽和流量為/ d = IZv + Irl，尤其是制動電流是電流;如果使用不同的數字濾波器和不同的算法，由于諧波和DC的算法，組件的抑制效果不同，故障的行為也不同，甚至與比率制動發電機的差動保護原理相同。這就是為什么電力系統的保護在理論上應該100％正確，但正確動作率不高的原因是由于繼電保護裝置的保護?；疽笫强煽啃?。隨著電力系統的安裝容量不斷增加，設備的可靠性要求也在增加。由于電力系統的運行是不斷變化的，現有的經驗是不可能的檢查所有可能的失敗。發電機出租人工神經網絡是基于以往經驗的自學習和自適應原理，因此電力系統的操作人員往往害怕將它們投入實際系統進行操作，并應用人工神經網絡保護技術與以往的經驗不同。通過訓練具有任意結構的神經網絡不能保護它。調整過程中，如何確保訓練后的網絡必須可靠，因此將神經網絡應用于實際保護的關鍵問題是如何保證可靠性?；谝陨蠁栴}，本文提出了一種基于常規保護原理的人工神經網絡。網絡差動保護方案充分結合了傳統的比率差動保護原理和人工神經網絡原理，徹底解決了現場人員對神經網絡可靠性的問題。由于保護是基于傳統的差動保護原理，因此，發電機出租經過訓練的網絡在可靠性方面并不比傳統保護更差，并且很容易從工程中獲得2個單神經元比制動特性的實現和分析 。 2.1比率制動特性和單神經元的差動保護制動特性比的原理是數字保護中傳統保護原理的變化。工作電流不固定。它具有外部短路電流大而大，因此可以確保在發生外部短路時保護不會發生故障，并且內部短路具有更高的靈敏度。其動作特征如圖所示。