融合粗糙集和神经网络的变压器故障诊断

为提高变压器故障诊断的准确性,进行了利用粗糙集和神经网络来诊断变压器故障的研究。首先将连续属性的决策表离散化,部分属性采用基于油中溶解气体分析知识的方法离散化,部分属性采用自然算法和等频划分算法离散化;然后用粗糙集属性约简方法对离散后的决策表进行属性约简以获取最小决策表,约简后的最小决策表反映了变压器油中溶解气体的5种比值与故障的关系,是对IEC三比值法的扩展;最后用最小决策表训练BP神经网络,并用测试数据对训练后的BP神经网络进行检验。结果表明该方法比IEC三比值法有更高的故障判断准确率,结合粗糙集和神经网络诊断变压器故障可约简变压器故障诊断决策表,简化神经网络的结构,提高故障诊断的准确率。     

提升型贝叶斯分类器在电力系统暂态稳定评估中的应用

应用人工智能技术可实现电力系统暂态稳定的快速评估,朴素贝叶斯分类器作为人工智能方法的一种,其训练计算复杂度是线性的,是解决分类问题最实用、有效的方法之一,但由于它是建立在属性变量相对类变量独立的假设前提下,故存在一定的误分类率.本文采用Adaptive Boost(AdaBoost)算法对朴素贝叶斯分类器进行提升,有效地降低了误分类率,并将提升型贝叶斯分类器用于电力系统暂态稳定评估.选取能迅速反映电力系统暂态过程的特征量,作为贝叶斯分类器的属性变量,将系统稳定或不稳定作为类变量,采用数值仿真算法产生大量样本,并对属性的连续数据进行离散化处理,构造了用于暂态稳定评估的提升型贝叶斯分类器.对新英格兰10机39节点系统进行仿真,结果表明:提升型贝叶斯分类器用于电力系统暂态稳定评估可有效降低机器学习的复杂度和提高暂态稳定的分类精度.     

融合粗糙集和模糊聚类的连续数据知识发现

知识自动获取是困扰基于知识的系统普遍推广应用的瓶颈，粗糙集理论是一种从历史数据中发现规则知识的数学工具。该文针对粗糙集方法应用于电厂与电力系统数据挖掘中存在的连续属性离散化问题，提出了基于模糊聚类的离散化方法。采用模糊C平均(FCM)算法离散连续属性，获得各类的聚类中心以及属性值隶属于各聚类中心的隶属度矩阵，得到离散化的数据。将粗糙集方法应用于离散化后的数据挖掘隐含在历史数据中的知识。最后进一步讨论了置信度、支持度等指标对规则的评价方法。给出的汽轮机轴系振动故障诊断规则获取算例验证了整个知识发现方案的可行性。     

基于粗糙集贪心算法的逆变器开路故障诊断

针对逆变器开路故障时特征信息的冗余性、复杂性和精确度不高的问题,提出一种粗糙集贪心算法来进行数据离散和属性约简并提取有效规则表。该方法可以在系统的不可分辨关系不改变的前提下实现数据的离散化,并从数据样本集中提取重要度较高的条件属性进行属性约简,最后提取有效规则表实现逆变器开路故障诊断。该方法很好地解决了逆变器开路故障诊断时处理数据的冗余性和复杂性的问题,大幅度减小故障数据特征维度,同时运用有效规则表可快速准确地进行故障诊断,节省大量时间。     

采用改进人工鱼群优化粗糙集算法的变压器故障诊断

传统的人工智能方法对变压器大量的不完备故障信息不能有效地分析,或在故障数据的离散化过程中由于区间分割不当而无法正确诊断故障甚至误诊。为此,提出了一种基于改进人工鱼群优化粗糙集的变压器故障诊断方法。该方法首先将变压器溶解气体分析(DGA)的值作为条件属性,将故障类型作为决策属性,建立故障决策表,利用鱼群的聚群寻优行为对决策表中的连续属性数据进行离散化;然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,大大简化了决策表属性约简的难度,使诊断变得更加简便。最后通过实例验证表明:该方法能够有效地对样本进行离散和约简,与传统方法相比,提高了故障诊断的正确率。     

一种改进的连续属性全局离散化算法

连续属性的离散化问题是粗糙集理论研究的一个重要内容,通过对一种局部离散化方法的改进,提出了全局的离散化算法。利用粗糙集理论,首先定义一致性的度量(辨别函数),修改了基于“最小描述长度准则”的离散化算法,实现了全局离散,弥补了前者引入不一致的缺陷;在保持数据一致性的前提下,进一步分析了离散中分割点的冗金并进行了约简。实验通过基于粗糙集的分类工具,在几组典型数据集上得到了预期的满意结果,验证了该算法的有效性。     

变压器故障特征量可信度的关联规则分析

变压器在线监测得到的多个特征量对于不同故障类别的潜在信息量不一样,量化各特征量与特定故障类型之间的关联度将对变压器的潜在故障诊断和预测都有着很重要的作用。为此,利用布尔型离散化方法和基于ChiMerge算法的多值离散化方法分别对变压器在线监测的连续数据进行离散化,再利用改进的Apriori关联规则数据挖掘算法计算多个变压器在线监测特征量与各个故障类型之间的可信度。最后在实例中进行了多个特征量与多个故障类型的可信度的计算,结果表明特定特征量与故障类型之间确实存在不同的关联程度,量化关联程度能有效提高故障诊断算法的效率;另外还在实例中进行了多值的关联规则挖掘,结果表明关联规则可以应用在对故障类型划分较细的变压器故障诊断。     

一种基于Hadoop的电力大数据属性实体识别算法

随着大数据时代的来临,传统的实体识别技术由于电网数据体积大以及类型复杂等特性已经无法有效地进行数据预处理。近年来兴起的Hadoop技术能够对大数据进行较好的处理。因此提出一种基于Hadoop的电力大数据属性实体识别算法。该算法利用改进离散化算法选取出信息准确率较高的离散点,并提出了一种离散化评价指标。最后,在Hadoop平台上对某风电机组的监测数据进行了属性实体识别。实验证明,该算法在实验正确性和断点数目方面表现良好,并且具有较好的加速比,适用于电力大数据的属性实体识别处理。     

变压器故障诊断的粗集决策新方法

通过分析DGA新导则在实际应用存在的问题,将粗集理论与DGA相结合,提出变压器故障诊断的粗集决策方法。在保证离散化结果性能要求的前提下,使用改进的贪心算法进行连续属性的离散化。最后通过规则提取,得到变压器故障类型的决策规则,结果表明方法是有较高的准确率。     

最小化能量损耗的配电网络动态无功优化算法

提出了一种完整的配电网络非线性混合整数动态无功优化模型及数学优化算法.该模型以全天能量损耗最小为目标,其约束条件不仅包括了各个时间断面的等式和不等式约束,而且还包括了有载调压变压器分接头和可投切并联电容器组的动作次数约束.为此,提出采用非线性原对偶内点法内嵌变量离散化罚函数的方法求解该模型,所推导出的高阶修正方程具有特殊的分块矩阵结构,可以充分利用稀疏处理技巧以提高算法的速度及对配电网络规模的适应性.最后以广州鹿鸣网配电系统作为算例,分析不同动作次数限制对配电网络电容器最优投切结果的影响,验证了该算法的正确性和有效性以及在限制控制设备动作次数方面取得的成功.     

基于配用电数据关联的中压配电网断线故障诊断方法

基于配用电信息系统数据和关联规则算法,提出一种诊断中压配电网分支线断线不接地故障的方法。通过分析相互关联的配用电信息系统数据,提出基于数据特征选择的关联规则挖掘方法,并通过卡方分裂算法将连续型特征量转换为布尔型特征量,同时采用MSApriori算法解决故障信息中的稀有项问题,然后在此基础上应用kulc准则消除冗余规则以形成约简的代表规则家族。以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,结果说明所提出的方法能够大量减少无效挖掘,显著提高效率和准确度,适用于中压配电网断线故障的在线诊断。     

新型电力系统下电弧故障诊断技术及发展趋势

确保电力能源安全稳定供应是构建新型电力系统的前提,用电安全领域故障诊断技术需要不断革新和进步,以适应电力系统的新需求。故障电弧无法精准诊断作为制约电气火灾监测预防的主要原因,严重威胁到供用电安全。文中分析了基于不同原理的故障电弧诊断方法,介绍了故障电弧试验检测技术及相关标准,并提出了未来可能的研究方向,最后总结了新型电力系统下电弧故障诊断面临的技术挑战和发展趋势。     

基于多输出衰减径向基函数神经网络的电网故障诊断

为提高电网故障诊断神经网络模型的构建速度,提出了一种基于多输出衰减径向基函数（Multi-output Decay Radial Basis Function, MDRBF）神经网络的故障诊断方法。DRBF神经网络不需训练即能以任意精度一致逼近任意连续多变量函数。介绍了单输出DRBF（Single-output DRBF, SDRBF）神经网络,分析了其存在的不足,即只能处理单输出变量问题,不能直接应用于电网故障诊断。在此基础上,根据电网元件的故障特点,提出了将SDRBF神经网络演变为多输出DRBF（Mu     

电网故障诊断系统的一种设计与实现

电网故障诊断是保证电力系统安全稳定运行的重要手段。针对我国目前电网自动化水平的具体情况 ,提出了基于开关跳闸信号、保护信息及故障录波信息的分层式故障诊断方法。用此种方法诊断 ,不仅可以诊断简单故障和复杂故障 ,而且还可以诊断故障类型、故障相别 ,并完成故障测距 ,为运行人员迅速切除故障提供了可靠的保证     

基于数据挖掘的计量装置在线监测与智能诊断系统的设计与实现

为加强对现场计量装置、采集设备和配电网运行监测的实时性,提高对用户用电行为异常分析的准确性,研制了一套计量装置在线监测和智能诊断系统,其利用数据挖掘工具,实现了对计量装置和采集设备的运行状态评估,并对用户违约用电窃电和计量装置故障进行了智能诊断。该系统采用SOA技术架构,由异常指标专家库、实时监测与智能诊断和WEB应用三部分组成,并已在安徽省电力公司试运行,对保障电网安全稳定运行、反窃电和降低计量偏差造成的舆情发挥重要作用。     

基于小波变换的矿井电网故障行波定位

针对矿井下由于条件恶劣经常造成的电缆接地短路故障,分析了快速找到故障点对矿井下供电安全的重要性,将已在大电力系统中广泛应用的行波测距引入到井下电路故障的定位中,根据实际情况改进了单端测距算法,并利用小波变换来提取故障行波的特征信息,通过小波系数的模极大值计算确定信号的突变点。仿真实例表明此方法能实现对矿井下电网故障较为准确的定位。     

三种变压器故障诊断方法比较研究

变压器常规诊断的油中溶解气体的三比值法(IEC),在目前变压器故障诊断中有着广泛的应用,许多人工智能技术在电力变压器故障诊断中的应用都是基于IEC法进行研究的,并在此基础上提出了基于神经网络和模糊神经网络的变压器故障诊断专家系统。该文将传统IEC三比值法、神经网络法和基于IEC三比值法的模糊神经网络法进行了比较。本文结合实例对这三种诊断方法进行了分析与探讨,指出了传统的IEC三比值法的不足,神经网络法和基于IEC三比值法的模糊神经网络法的优点等。     

UHV变压器故障监测与诊断的信息决策平台

特高压变压器是交流特高压工程的关键设备之一。根据超高压输变电设备多年运行经验,现有的变压器故障监测技术存在以下问题:①变压器诊断方法大多仍局限于气相色谱分析,最终仅能判断出故障征兆,不能实现故障定位;②故障诊断中存在大量专家经验,如何将经验信息化,实现故障诊断自动化是急需解决的问题。为了适应特高压输变电的要求,解决变压器监测技术缺陷,提出了建立以开放式数据库为支持,基于证据推理的特高压变压器故障监测与诊断的决策平台。分析表明,决策平台充分利用色谱数据和电气试验数据的互补信息,实现了变压器故障监测与定位一体化与自动化。