电力系统继电保护是一门综合性学科。今天，发电机出租随着继电保护技术向数字化的发展，各种新的原理和技术已被广泛应用于数字保护。人工神经网络具有自学习和自适应能力。将人工神经网络应用于继电保护领域已成为研究的热点。如果将神经网络技术应用于实时控制领域，例如继电保护，则需要相对高的可靠性。性，发电机租赁在投入实际应用时存在一定难度。难点主要体现在神经网络缺乏归一化能力，即受过训练的网络不能保证100％的可靠性，而在国内外。发电机出租根据学者发表的论文，出现了大量的研究成果，如人工神经网络实现距离保护，故障分类，故障定位等，并取得了良好的效果;神经网络在发电机中的应用保护相对较少。例如，提出了基于微分原理的发电机定子绕组保护。它使用两个神经网络。个用于故障检测，以检测发电机是处于正常，外部故障还是内部故障状态。另一个神经网络用于故障选择。用于发电机电流和中性点以及转子绕组的连续五个样本的神经网络的输入提出了作为神经网络的输入的动作电流和制动电流的计算值，并且使用遗传算法缩短了网络的训练时间，取得了良好的效果。

　　发电机差动保护实现的原理不同，发电机出租性能在电力系统中的故障行为有很大差异，特别是在电力系统短路故障时，系统处于瞬态和CT饱和流量为/ d = IZv + Irl，尤其是制动电流是电流;如果使用不同的数字滤波器和不同的算法，由于谐波和DC的算法，组件的抑制效果不同，故障的行为也不同，甚至与比率制动发电机的差动保护原理相同。这就是为什么电力系统的保护在理论上应该100％正确，但正确动作率不高的原因是由于继电保护装置的保护。基本要求是可靠性。随着电力系统的安装容量不断增加，设备的可靠性要求也在增加。由于电力系统的运行是不断变化的，现有的经验是不可能的检查所有可能的失败。发电机出租人工神经网络是基于以往经验的自学习和自适应原理，因此电力系统的操作人员往往害怕将它们投入实际系统进行操作，并应用人工神经网络保护技术与以往的经验不同。通过训练具有任意结构的神经网络不能保护它。调整过程中，如何确保训练后的网络必须可靠，因此将神经网络应用于实际保护的关键问题是如何保证可靠性。基于以上问题，本文提出了一种基于常规保护原理的人工神经网络。网络差动保护方案充分结合了传统的比率差动保护原理和人工神经网络原理，彻底解决了现场人员对神经网络可靠性的问题。由于保护是基于传统的差动保护原理，因此，发电机出租经过训练的网络在可靠性方面并不比传统保护更差，并且很容易从工程中获得2个单神经元比制动特性的实现和分析 。 2.1比率制动特性和单神经元的差动保护制动特性比的原理是数字保护中传统保护原理的变化。工作电流不固定。它具有外部短路电流大而大，因此可以确保在发生外部短路时保护不会发生故障，并且内部短路具有更高的灵敏度。其动作特征如图所示。