输电网故障诊断的知识表示方法及其应用

为了进一步提高诊断算法的效率以及准确度,提出了通过完备的知识表示方法进行电网故障诊断的方案。通过对故障时刻电网拓扑以及各类保护知识的表达,将充分的故障诊断知识提供给诊断算法,这使其可在多类信息的基础上对故障元件进行准确的判断,并且通过对知识的优化降低了故障诊断算法的复杂程度。运用Petri对故障知识进行逻辑推理,即使在保护和断路器有误动、拒动的情况下仍然准确判断出故障元件。仿真结果表明,该方法在诊断效率与准确性方面能够满足实际需求,可作为智能电网自愈程序的接口。     

基于改进Petri网模型的电网故障诊断新方法

将Petri网理论用于电网故障诊断中,提出了一种改进的Petri网故障诊断模型。分别以线路和母线为例说明了Petri网模型的构建方法、推理过程及解析表示方法。该方法对于电网的单一故障、多重故障及存在保护和断路器不正确动作等情况的严重故障均能快速准确地定位故障元件,自动给出可靠有效的诊断结果,适用于电力系统在线故障诊断。在四平地区电力系统中的测试结果证明了基于该模型的故障诊断系统的实用性和有效性。     

基于深度置信网络的电力系统故障诊断方法

当前电力系统故障诊断节点多为目标式设定结构,诊断效率较低,导致故障诊断的F1接近0,故基于深度置信网络设计一种电力系统故障诊断方法并对其进行验证分析。根据当前的测试需求,采用多层级的方式,提升整体的诊断效率,部署多层级故障数据采集节点。以此为基础,进行故障特征提取,构建深度置信网络电力系统故障诊断模型,采用交叉核验评定的方式来实现故障诊断处理。测试结果表明,通过4个周期的阶段性测定与比对,最终该电力系统故障诊断的F1值为1,为最佳的诊断结果,说明在深度置信网络的辅助和支持下,设计的诊断方法更为精准、高效,具有实际的应用价值。     

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。     

基于模糊推理的分布式电力系统故障诊断专家系统

针对电力系统故障诊断问题存在的大量不确定性,提出了将模糊集和模糊推理方法结合专家系统进行故障诊断的新方案。同时,尝试将分布式问题求解方法用于电力系统故障诊断问题,开发了基于模糊推理的分布式电力系统故障诊断专家系统。为方便用户使用,开发了图形建模和模糊知识学习平台,以及故障信息管理系统。通过在某地区电网的测试表明,所提方案具有准确的诊断结果和很好的实用性。     

基于正反向推理的电力系统故障诊断专家系统

介绍了一种在电力系统故障诊断专家系统中采用的基于正反向推理的电力系统故障诊断方法。该方法首先根据跳闸断路器提出故障假说,然后根据断路器和继电保护动作的信息逐一检验假说的正确性,最后给出故障设备或故障范围。该方法可以诊断输电线路、母线、变压器和发电机设备的故障及继电保护和断路器的非正确动作。对山西电网实际故障事例的测试结果表明,该方法是有效的。     

基于Petri网络计及警报信息时间特性故障诊断模型

电力系统发生故障时，警报信息具有时间特性，这一特性直接影响故障诊断结果的准确性和诊断速度，提出了一种计及报警信息时间特性故障树Petri网故障诊断模型和故障树表示方法，利用Petri网络描述了故障征兆与故障的关系，用故障树矩阵运算进行推理，比传统专家系统大大减少了诊断时间，提高了准确度，最后通过测试实例验证此故障诊断模型方法的快速，准确性。     

组合型交叉熵算法在电网故障诊断中的应用

通过分析交叉熵算法的原理和特征,提出一种基于组合型交叉熵算法的电网故障诊断方法。考虑故障元件与保护器和断路器的动作关系,将电网故障诊断问题表示为使目标函数最小化的0-1整数规划问题,利用组合型交叉熵算法求该问题的最优解,依据最优解的情况识别故障元件。经过与粒子群算法和遗传算法的比较分析,得知本文采用的诊断方法具有收敛速度快、稳定性好等优点。对测试系统上多起故障情况进行了模拟测试,测试结果表明故障诊断结论全部正确,进一步证明了组合型交叉熵算法在电网故障诊断中具有一定的有效性、准确性和实用性。     

智能电网中电力移动故障诊断平台的设计与实现

智能电网中电力移动故障诊断平台需要同时完成数据分析、电网监控以及故障报警等工作,导致平台无法兼具较高的诊断效率和诊断准确率。为了解决上述问题,设计新型智能电网中电力移动故障诊断平台。故障诊断平台主要由数据库模块、控制模块和人机交互模块3个功能模块组成。平台通过建立了一个通用信息模型对智能电网的拓扑结构进行定义,获取可能出现电力故障的智能电网设备和线路,并提取出其中的电力故障信息。通过分析电力故障信息中的电能阶跃现象和置信度,给出诊断结果并进行报警,实现故障诊断。实验结果证明,所设计的平台诊断效率和诊断准确率均很高。     

基于正反向推理的电力系统故障诊断专家系统

介绍了一种在电力系统故障诊断专家系统中采用的基于正反向推理的电力系统故障诊断方法。该方法首先根据跳闸断路器提出故障假说,然后根据断路器和继电保护的动作信息逐一检验假说的正确性,最后给出故障设备或故障范围。该方法可以诊断输电线路、母线、变压器和发电机设备的故障及继电保护和断路器的非正确动作。文中详细介绍了采用的推理规则及在复杂情况下计算故障可信度的方法。对山西电网实际故障事例的测试结果表明,该方法是有效的     

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     

基于正反向推理的电力系统故障诊断专家系统

介绍了一种在电力系统故障诊断专家系统中采用的基于正反向推理的电力系统故障诊断方法,该方法首先根据跳闸断路器提出故障假说,然后根据断路器和继电保护的动作信息逐一检测假说的正确性,最后给出了故障设备或故障范围,该方法可以诊断输电线路,母线,变压器和发电机设备的故障民电保护和断路器的非正确动作,文中详细介绍了采用的推理规则及在得杂情况下计算故障可信度的方法,对山西电网实际故障事例的测试结果表明,该方法有     

基于数据清洗和知识迁移的变压器故障诊断模型

变压器是保障电网安全运行的重要基础,本文建立了一种基于数据清洗和知识迁移的变压器故障诊断模型,用于解决变压器单体故障数据少、总体数据繁杂导致诊断器泛化能力低的问题。首先,采用Tanimoto系数计算待诊断变压器与其他变压器故障的综合相似度,对辅助故障数据进行一次清洗;其次,通过剔除奇异边缘附近故障数据,对目标和辅助故障数据进行二次清洗;在两次数据清洗的基础上,以支持向量机作为迁移学习算法TrAdaBoost的基本分类算法,通过迭代不断调整目标故障数据和辅助故障数据的权重,将辅助故障数据中的有效知识迁移至故障诊断器,得到基于迁移学习的变压器故障诊断器模型。测试结果表明数据清洗和知识迁移能够有效提高诊断效率以及故障识别的准确性。     

基于Tabu-Roughset的电网故障诊断系统研究

如何有效利用电网调度中心的大量数据进行电网故障诊断是一个重要课题。提出一种基于Tabu-RoughSet的电网故障诊断系统,包含数据采集、电网故障诊断、基于Web的电网故障诊断结果表示三个模块。在电网故障诊断模块里,利用Roughset理论对接收到的故障信息建立决策表并构成可辨识矩阵,利用Tabu搜索对可辨识矩阵寻找最优解,迅速准确地给出电网故障诊断结果。基于Web的诊断表示模块能够根据用户提出的查询请求采用可视化技术将诊断结果以基于网络的Web方式显示。实验结果表明,该系统能快速寻找最优解,较好地实现对电网故障的诊断。     

风力电网故障下的机械载荷优化测试分析

风力发电网络受到外界的不确定因素干扰较大,容易产生故障。分析风力电网故障下的电机机械载荷,实现对风力电网的故障诊断。传统方法采用风力电网故障信号采集和特征提取方法,在非线性耦合干扰下对电机机械载荷的测试效果不好。提出一种基于机械载荷线性反馈和谐波抑制的风力电网故障诊断方法,实现对故障下机械载荷优化测试。构建风力电网故障下的机械载荷数据采集和信号生成模型,采用双曲调频信号的自连续小波变换来分析机械载荷的电流信号、差压信号、绝压信号和振动信号,采用机械载荷线性反馈和谐波抑制方法,实现对风力电网故障下机械载荷数据的干扰滤波和特征优化测试,输入到风力电网故障诊断专家系统中,比对故障数据中的可用知识,实现对风力电网故障的准确诊断。仿真结果表明,采用该方法能实现对载荷数据的准确采集和测试,提高风力电网的故障准确诊断性能。     

基于Tabu-Roughset的电网故障诊断系统研究

如何有效利用电网调度中心的大量数据进行电网故障诊断是一个重要课题.提出一种基于Tabu-RoughSet 的电网故障诊断系统,包含数据采集、电网故障诊断、基于Web的电网故障诊断结果表示三个模块.在电网故障诊断模块里,利用Roughset 理论对接收到的故障信息建立决策表并构成可辨识矩阵,利用Tabu搜索对可辨识矩阵寻找最优解,迅速准确地给出电网故障诊断结果.基于Web的诊断表示模块能够根据用户提出的查询请求采用可视化技术将诊断结果以基于网络的Web方式显示.实验结果表明,该系统能快速寻找最优解,较好地实现对电网故障的诊断.     

基于故障区域识别及信息时序属性的电网故障诊断

针对电网故障诊断中的不确定和不完备信息,以及考虑到信息的时序逻辑关系,提出基于故障区域识别及信息时序属性的电网故障诊断方法。首先通过故障区域的识别确定可疑故障元件,减小了诊断范围。充分利用电力系统时序特性,建立带有时间戳的模糊Petri网模型,并利用时序逻辑矩阵对时序不一致信息进行识别和修正。给出该电网故障诊断方法的流程,通过仿真验证了所提方法的可行性。     

知识图谱驱动的变压器智能故障诊断系统设计∗

针对传统故障诊断系统在电网复杂关系场景下智能诊断和决策存在的不足,基于知识图谱的知识表示和推理 能力,设计了面向变压器智能故障诊断的系统,从理论和实现角度完整地阐述了变压器智能故障诊断系统的框架组成和 层次架构,具体介绍了知识图谱驱动的变压器故障诊断系统的实现方法,为实际的变压器故障诊断工作提供支撑.     

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。     

基于遥信数据故障编码技术及DHNN校正的电网故障诊断方法

提出采用故障编码技术形成故障空间最优编码集,然后通过模板匹配的方式进行电网故障诊断的方法。针对由于缺少前端故障遥信数据处理的清洗算法,造成故障诊断算法诊断正确率不高的问题,提出了建立离散Hopfield神经网络模型用于故障遥信数据的前端数据清洗的算法。利用故障遥信数据之间的相关性对遥信变位数据进行分组,并对各组数据分别采用所提出的算法进行数据清洗,利用穷举输入状态数据的方法求取了算法的修正域,从而建立了DHNN清洗模型。最终形成具有纠错能力的电网故障智能诊断方法,实现在故障诊断空间内对故障元件的诊断。通过实际电网的故障遥信数据的测试,验证了DHNN神经网络信息纠正模型和故障诊断模型对电网故障元件诊断的有效性。