基于径向基函数神经网络和模糊积分融合的电网分区故障诊断EI北大核心CSCD

为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。     

采用交叉熵支持向量机和模糊积分的电网故障诊断

为了解决分布式电网故障诊断中局部电网内部故障和相邻区域联络线故障的诊断问题,采用交叉熵支持向量机(cross entropy support vector machine,CE-SVM)的改进方法,提出一种基于后验概率输出的CE-SVM和模糊积分动态融合的大电网故障诊断策略。首先通过网络分区算法将电网分割成连通且计算负担平衡的子区域;采用历史数据离线训练各局部CE-SVM模块,根据故障报警信息选择性触发局部CE-SVM实现局部电网内部的故障诊断;利用模糊密度动态调节算法构建模糊积分环节,关联融合相连区域CE-SVM模块关于联络线故障的后验概率输出,实现联络线故障的综合决策。该方法不仅可以应对局部网络内部的故障诊断,也可以有效处理相邻区域间联络线的故障诊断问题。仿真结果看出:所得到的诊断结论正确,并且对于处理保护器和断路器报警信息丢失或不正确动作的情况具有较好的容错性。     

基于PSO-GRNN和D-S证据理论的电网分区故障诊断

针对大电网中保护和断路器误动、拒动、信息丢失等不确定的电网故障信息以及现有电网分区方法的不足,提出了基于粒子群优化广义回归神经网络（PSO-GRNN）和D-S证据理论的电网分区故障诊断方法。首先,通过改进图形分割法将大电网划分为相互重叠的不同区域,降低故障诊断难度。然后在各个区域建立PSO-GRNN诊断模块,根据故障警报信息,并行完成各自的故障诊断任务。最后,采用D-S证据理论对相邻区域的重叠区域进行分析,以实现对重叠区域的综合故障诊断。仿真结果表明,该方法能有效识别非重叠区域和重叠区域的故障,容错能力强,诊断准确率高。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。     

计及信息畸变影响的电网故障诊断分级优化方法

基于优化算法的电网故障诊断方法可归纳为相似性诊断方法和覆盖性诊断方法.在故障信息发生畸变时,两类方法分别存在漏诊断和误诊断的问题.为了提高电网故障诊断的准确性,结合两类诊断方法的特点提出了电网故障诊断的分级优化方法.该方法依次进行所有警报信息的相似性诊断,保护信息的相似性诊断,以及覆盖性诊断,通过分级诊断分离出故障发生可能性不同的几类可疑故障元件.算例测试表明该方法避免了传统优化方法的弊端,可在警报信息发生畸变且存在多次保护和断路器不正确动作的情况下对多重故障进行准确地诊断.针对已有方法中特征警报状态矢量造成寻优计算量大的问题,提出了构造自适应特征警报状态矢量的方法;并基于故障后的停电区域研究了限定及建立诊断模型中各类变量的简单方案;通过采用这些方法提高了诊断过程的快速性.     

采用信息融合技术的电网故障诊断方法

为了实现电网故障的准确诊断,首先提出了电网潮流指纹的相关概念和故障潮流指纹识别算法,并在此基础上结合径向基函数(radial-basis function,RBF)神经网络和信息融合技术,提出了一种新的电网故障诊断方法。该方法通过分析电气量信息实现电网故障诊断,避免了开关量和保护信息的误动、拒动等不确定因素。同时,采用改进的线性整数规划法优化配置同步向量测量单元(phasor measurement unit,PMU),利用PMU实时采集潮流信息,克服了传统数据采集与监控系统(supervisory control and data acquisition,SCADA)数据采集密度低且不同步的缺点,能够把握时间间隔为s级或者ms级的连锁故障本质。仿真算例表明,该方法信息需求量小、准确有效,具有很大的工程实用价值,在电网在线故障诊断领域有很好的应用前景。     

基于径向基函数神经网络的电网模糊元胞故障诊断

提出了基于径向基函数神经网络的电网模糊元胞故障诊断方法,旨在有效解决神经网络应用于电网故障诊断所面临的适应网络拓扑结构变化的可移植性问题。该方法以单个线路、母线和变压器为元胞对象,以保护各元胞的所有关联保护和对应的断路器为输入,建立了元胞通用神经网络诊断模型,并给出了故障诊断时模型的自动生成方法。此外,考虑到电网故障信息存在不完备性和不确定性,本文采用模糊矢状图来描述电网元件、保护和断路器之间的逻辑推理关系,并提取出蕴含不确定性的模糊推理规则,用于训练元胞通用神经网络。算例仿真结果表明,该方法简单、有效,能处理各种复杂故障情况,且能有效适应网络拓扑结构的变化,具有良好的容错性和可移植性。     

采用粗糙集联合规则挖掘算法的分布式电网故障诊断

鉴于传统的人工智能技术在大电网故障诊断应用中存在的局限性,采用分布式的思想来解决该问题,并提出一种基于粗糙集理论的联合规则挖掘算法,该算法能够有效地从分布式信息系统中提取联合规则。为了更好地解决电网故障诊断问题,构建了基于该联合规则挖掘算法的分布式电网故障诊断模型。该模型不仅能够有效地诊断各局部电网内部的故障,而且能够有效地诊断各局部电网之间联络线的故障,弥补了分布式电网故障诊断中联络线故障诊断规则不足的缺陷。对大电网进行分割,不仅能够有效识别各类复杂故障,而且也使得每个局部电网决策表的规模大为减小,同时联合规则挖掘算法也显著地降低了规则提取的复杂度,解决了粗糙集理论在大电网故障诊断中遇到的瓶颈问题。算例表明该方法简单、有效、速度快、容错性好。     

基于模糊神经网络的信息融合在电网故障诊断中的应用

根据电网分布的特点,将多传感器信息融合技术应用于电网的故障诊断中.在电网的不同区域加装传感器网络,将所测结果首先在子模糊神经网络中进行特征级融合,然后再将此结果送至融合中心进行决策级融合,最后得出诊断结论,包括故障类型和故障区域,大量的实验证明该方法是可行的.     

基于径向基网络实现变压器故障诊断

研究采用径向基神经网络进行变压器故障诊断,以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理,确立了适合变压器故障诊断的网络学习算法,并设计了一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验。结果表明径向基神经网络是一很强的分类器,能够有效的对变压器故障进行诊断。     

基于模糊神经网络的信息融合在电网故障诊断中的应用

根据电网分布的特点,将多传感器信息融合技术应用于电网的故障诊断中。在电网的不同区域加装传感器网络,将所测结果首先在子模糊神经网络中进行特征级融合,然后再将此结果送至融合中心进行决策级融合,最后得出诊断结论,包括故障类型和故障区域,大量的实验证明该方法是可行的。     

交流互联电网中大扰动对联络线的冲击特性分析方法

针对在规模庞大的同步交流电网中,区域内大扰动不仅会对本区域电网稳定性造成冲击,而且将通过区域间联络线对其他区域电网的稳定性产生冲击,甚至会导致区域联络线功率振荡解列的现象,研究了故障后大扰动冲击各个区域电网的特性。基于联络线暂态势能变化,定义了扰动起始冲击时间和扰动冲击时间,可以定量描述大扰动冲击区域交流联络线的过程,并根据首次扰动冲击时间联络线功率偏差与暂态势能间的关系,提出了联络线脆弱性指标作为系统是否在联络线处发生解列的判据,从而建立了基于能量函数的大扰动冲击特性定量描述方法。最后,在华中—华北交流互联电网中验证了所述方法的有效性。     

基于多种算法融合的区域电网在线故障诊断

电网在线故障诊断是保证电网安全稳定运行的必要措施之一。随着区域电网规模的不断扩大,电网出现故障时会有更多不准确的信息传入调度中心,这势必影响原有在线故障诊断方法的速度和准确性。本文考虑自然灾害对故障区域的影响,将T-S模糊模型、粗糙集理论和遗传算法有效融合,充分利用T-S模糊和粗糙集理论对不精确和不完备信息的知识挖掘与处理能力,基于遗传算法的自适应优势改进粗糙集约简,能够更快、更准确地在线诊断区域电网故障。通过故障诊断算例仿真分析,结果表明了所研究的故障诊断算法具有快速性、准确性、有效性。     

基于模糊积分融合理论的电网故障诊断策略研究

针对电力系统自动化水平不断提高、广域测量技术高速发展的现状,提出一种综合电气故障信号电气量、开关量的多数据源信息融合的电网故障诊断方法。该方法将电气量诊断结果和开关量诊断结果相结合,对电气量采用小波分析提取故障奇异度、故障诊断度;开关量采用时序贝叶斯网络理论建立诊断模型进行诊断,得到各个元件的故障表征。最后,通过模糊积分理论对求得的元件故障概率进行多源信息的融合得出电网故障诊断决策。仿真计算表明,该策略能够将电气量和开关量的故障诊断信息进行融合,得到精确的故障诊断结果。     

基于径向基函数神经网络的中速磨煤机故障诊断

为了能够对磨煤机早期故障做出预测并有效判别故障类型,提出了基于径向基函数神经网络的磨煤机故障诊断方法。介绍了该方法可以有效地处理故障征兆与故障类型之间的不确定性,具有很好的分辨力。应用该方法对某电厂HP碗式中速磨煤机的故障特征数据集进行了仿真实验,表明该方法故障诊断正确率高,诊断结果是有效的。     

人工智能在电网故障诊断中的应用

本文提出结合运用BP神经网络和GRNN神经网络建立的故障诊断模型与模糊决策技术的电网故障诊断方法。首先,该方法对电网的三类主要元件(变压器、线路和母线)分别建立神经网络模型。其次,该方法中元件的神经网络基于电力系统中继电保护装置信息和断路器的状态信息进行初步诊断。神经网络模型中BP神经网络负责将该元件的状态和信息进行预处理和判断,将结果反馈给广义回归神经网络GRNN;GRNN神经网络负责在发生故障以及电网拓扑结构发生变化的情况下准确找到故障源。最后,专家系统根据得到的初步诊断信息运用模糊决策技术进行综合诊断。经本文分析及测试,该方法能够有效的提高运行人员故障处理效率,提高电力系统供电的可靠性和安全性。     

应用RBF网络和D-S证据推理的模拟电路诊断

提出了一种基于径向基函数网络与证据推理的模拟电路融合诊断方法,以解决模拟电路诊断中由于故障信息缺乏所致的诊断准确性问题,并提高其训练速度。采集多类电路信息,对应于每类特征参量构造一个径向基函数网络,由这多个彼此独立的径向基函数网络来完成故障的初级诊断。再用初级诊断中各子网络的输出结果构造证据体,通过证据融合推理分析,得出最终的故障定位结果。模拟实验结果表明,所提方法对于电路的硬故障与元件参数偏移较小的软故障诊断均有效,其充分挖掘了多类测试信号中的故障信息,提高了诊断结果的准确率。     

基于大数据的配电网故障诊断预测模型设计

针对传统基于无线传感器的配电网故障检测模型对大数据环境下的配电网故障数据存在诊断准确率低、故障诊断耗时较长以及经济效益较低的问题,设计基于大数据的配电网故障诊断预测模型,其采用RSIA模型对大规模故障信息进行智能搜索,计算出最优约简得到决策规则,实现对配电网故障发生位置的初步定位。采用基于模糊积分的故障诊断预测模型,根据初步诊断结果确定发生故障的候选元件及模糊测度值,根据拓扑信息以及元件的诊断结果形成不同相关联度的支持度集合,采用模糊积分融合技术确定模糊积分值构成故障可能性指标集合,根据该指标确定配电网故障发生的准确位置。实验结果说明,所设计模型能提高大规模配电网故障诊断的精度,缩短诊断用时,提高配电网的安全性。     

电网故障诊断的时间因果贝叶斯网模型

在使用保护和断路器的动作信息进行电网故障诊断时,这些警报的时序特性的加入能够给诊断提供更丰富的信息,使得诊断结果更准确。提出了电网故障诊断的时间因果贝叶斯网模型,采用模糊方式对时间因果关系进行离散化处理,采用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。     

联络线故障停运后区域互联电网的紧急协调控制策略

为了减轻由多个区域电网互联组成的大电网因联络线突然断开而引发连锁故障的风险，提出一种以保证各区域电网内的重要关键线路运行为目标，当联络线突然断开后，若关键线路发生过载则对其潮流流入方向所在负荷节点采取按过载率成比例集中切负荷的紧急协调控制策略。以分区后的IEEE 118节点电网为例，采用可以对多个区域电网同时进行仿真的多沙堆停电事故模型，对其联络线故障后电网的连锁故障过程进行仿真实验。仿真实验结果表明，该紧急协调控制策略减轻了因联络线突然断开对多区域互联电网的影响，降低了连锁故障发生的风险。