基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

基于贝叶斯网络信息融合的直流配电网故障诊断方法

新型直流配电系统故障期间暂态特征复杂多变,继电保护存在拒动和误动情况。为了避免继电保护的不正确动作对故障诊断产生影响,提出一种基于贝叶斯网络信息融合的直流配电网故障诊断方法。首先,对传统继电保护贝叶斯网络模型进行改进,同时考虑直流配电网故障限流策略,分别构建保护动作信息、断路器动作信息和限流策略信息3种贝叶斯网络模型,对故障区域内各元件的故障概率进行初步评估。其次,利用D-S证据理论将各元件对应的故障概率信息进行融合,完成故障元件的判别。然后,应用故障元件对应的贝叶斯网络模型识别误动或拒动的保护装置与断路器,实现对直流配电网的故障诊断。最后,通过算例验证了所提故障诊断方法的可靠性以及准确性。     

基于贝叶斯网的电网多区域复杂故障诊断研究

针对大电网复杂拓扑结构的电网故障情况,先对其进行分割,提出一种基于粗糙集与贝叶斯网相融合的分层递归型诊断网络模型。利用粗糙集理论的知识约简和处理不确定信息的能力,对电网故障诊断知识进行分层挖掘,实行属性优选,再运用贝叶斯网络完成故障区域及故障元件的识别。该方法对复杂故障采用多区域并行诊断。算例结果表明,该方法正确、有效,能提高系统丢失关键信息情况下的容错性,实时性也很高,具有很好的实用价值。     

基于贝叶斯网的电网多区域复杂故障诊断研究

针对大电网复杂拓扑结构的电网故障情况,先对其进行分割,提出一种基于粗糙集与贝叶斯网相融合的分层递归型诊断网络模型.利用粗糙集理论的知识约简和处理不确定信息的能力,对电网故障诊断知识进行分层挖掘,实行属性优选,再运用贝叶斯网络完成故障区域及故障元件的识别.该方法对复杂故障采用多区域并行诊断.算例结果表明,该方法正确、有效,能提高系统丢失关键信息情况下的容错性,实时性也很高,具有很好的实用价值.     

应用贝叶斯网络模型的电力系统故障诊断

遗传算法应用于电力系统故障诊断的一个难题是如何建立合理的数学模型。针对这一难题,建立了基于元件的贝叶斯网络故障诊断模型,并通过一定的推理规则,根据贝叶斯网络形成遗传算法的目标函数,用遗传算法进行优化求解。在应用遗传算法时,对传统算法进行了一系列的改进,改善了算法的收敛性能,提出了在迭代过程中推测不完备信息的方法,增强了算法对于大量不完备保护信息的处理能力。大量算例表明了所述方法的合理性和实用性。     

基于贝叶斯网络和粗糙集约简的变压器故障诊断

贝叶斯网络处理不确定性问题的能力可以很好地解决变压器故障诊断中因数据不完整而难以得到可靠结论的问题。为此,将贝叶斯网络分类器和粗糙集约简理论相结合,基于专家知识及统计数据建立贝叶斯网络分类模型,并综合运用色谱数据及电气试验数据作为变压器故障诊断的属性集输入,实现概率推理及对可能故障类型的排序,提高诊断结论的可靠性。此外,利用粗糙集约简理论对贝叶斯网络分类模型进行最小约简,降低网络结构的复杂性,减小模型所依赖的输入量,以更切合实际诊断情况。实验证明,该方法具有处理信息缺失的能力及容错特性,准确率较高,是一种变压器故障诊断的有效方法。     

基于选择性贝叶斯分类器的变压器故障诊断

电力变压器故障诊断中的测试数据信息不完备、有偏差,而贝叶斯网络处理不确定性问题能力强.提出了一种基于选择性贝叶斯分类器的、溶解气体分析结合其他电气试验结果的变压器故障诊断方法,并建立了变压器选择性贝叶斯故障诊断模型.详细阐述并验证了该方法解决信息不完备问题的优越性.该模型还可以通过不断积累完善训练样本,自动修正网络结构...     

基于粗糙集理论和朴素贝叶斯网络的电网故障诊断方法

电网发生故障后,当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论。针对此问题,文章提出了一种粗糙集理论和朴素贝叶斯网络相结合的电网故障诊断方法。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立决策表,然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性约简组合,最后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型,并对节点概率进行训练。运用VC++编写了基于该方法的故障诊断软件,算例结果表明,该方法正确、有效,能提高系统在丢失核属性情况下的容错性,具有较好的实用价值。     

基于贝叶斯网络分类器的变压器综合故障诊断方法

鉴于电力变压器故障诊断中的信息和知识具有随机性和不确定性的特点,利用贝叶斯网络表达知识灵活、分析处理不确定性与关联性问题能力强的优点,本文提出了一种基于贝叶斯网络分类器的以溶解气体分析为主结合其他电气试验结果的变压器综合故障诊断方法,并建立了变压器朴素贝叶斯网络故障诊断模型和TAN故障诊断模型.文中详细阐述并验证了该方法解决信息不完备问题的优越性.该模型还可以通过不断积累完善训练样本,自动修正网络结构参数和概率分布参数,提高诊断效果.实例验证表明了该方法的有效性.     

基于BPN方法的电网故障诊断

针对电网发生故障时,故障信息不完整或不确定,难以得到正确结论,以及贝叶斯理论虽在解决不完整数据上具有优势但不能大规模建模的问题,定义了贝叶斯Petri网(BPN),提出了基于BPN方法的电网故障诊断算法。利用某电网对该算法进行验证,结果表明,该算法能够快速准确诊断故障元件,提高了诊断的容错性。     

基于贝叶斯网络的电力系统故障诊断方法

针对电力系统故障诊断中存在的信息不完备和不确定性问题,提出了基于贝叶斯网络的故障诊断方法。依据保护装置动作原理分别建立了完备和不完备信息下的分布式贝叶斯网络模型,用该模型进行故障诊断,验证了该方法的正确性和有效性。     

级联SVG逆变器的IGBT开路故障诊断研究

为了实现SVG逆变器中的IGBT开路故障的定位,提出了基于FFT分析和神经网络的故障诊断方法。该方法首先利用FFT分析技术,对H桥逆变器的输出的电压信号进行FFT分析,找出各次谐波含有率的规律,将谐波含有率较高的谐波作为特征信号。最后利用BP神经网络方法,实现了故障元件的定位。在Matlab搭建的级联SVG逆变器的IGBT开路故障系统中进行仿真实验验证。仿真实验结果表明,文章所提出的故障诊断方法能有效实现故障元件的定位。     

RST和NBN用于电力变压器故障诊断

电力变压器发生故障后,当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论。针对此问题,提出了一种将粗糙集理论(RST)与朴素贝叶斯网络(NBN)结合的电力变压器故障诊断新方法。首先将油中溶解气体分析(DGA)结果和其他电气试验结果作为条件属性,故障区域作为决策属性,考察各种故障与征兆间的连接关系并建立决策表,接着利用基于可辨识矩阵和信息熵的属性约简算法实现对专家知识的简化与故障特征的压缩,提取最佳属性约简组合,然后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型,利用贝叶斯网络实现概率推理,便于描述故障特征的变化及对变压器故障原因的快速分析。最后对变压器故障进行实例分析,诊断结果证明该方法是正确和有效的,具有较好的实用价值。     

Bayesian networks-based approach for power systems fault diagnosis

In this paper, three element-oriented models based on simplified Bayesian networks with Noisy-Or and Noisy-And nodes are proposed to estimate the faulty section of a transmission power system. The three models are used to test if any transmission line, transformer, or busbar within a blackout area is faulty. They can deal with uncertain or incomplete data and knowledge relating to power system diagnosis, so they are flexible. The structures and initial parameters of the Bayesian networks depend on the prior knowledge of the domain experts. The parameters can be revised by using an error back propagation algorithm similar to the back-propagation algorithm for artificial neural networks. The fault diagnosis models do not vary with the change of the network structure, so they can be applied to any transmission power system. Furthermore, they have clear semantics, rapid reasoning, powerful error tolerance ability, and no convergence problem during the diagnosing procedure. Experimental tests show that the approach is feasible and efficient, so the prototype program based on the approach is promising to be used in a large transmission power system for online fault diagnosis.     

基于广域录波数据和FCM聚类的电网故障诊断方法

断路器和保护设备存在误动和拒动的可能性,不正确的动作会引入错误的故障信息干扰电网故障诊断。针对上述问题提出了一种基于广域故障录波数据和模糊C均值(FCM)聚类的电网故障诊断方法。对母线、输电线路和变压器这3种电网元件的故障录波数据进行挖掘分析,从中提取能够有效区分故障元件的特征;建立基于模糊C均值聚类的电网故障元件诊断模型。对故障后的元件进行聚类分析,并计算各元件的故障可信度,最终确定故障元件。新英格兰39节点系统的仿真和实际算例表明所提方法能够快速准确定位故障元件且不受故障类型和位置的影响。     

电压源换流器高压直流输电系统中换流器故障仿真分析及其诊断

电压源换流器(VSC)是电压源换流器高压直流输电(VSC-HVDC)系统中的重要组成部分,其过压和过流能力差,容易发生各种故障,且受传输功率影响故障信号特征提取复杂、故障诊断困难。针对此问题,基于所建立的VSC-HVDC系统的PSCAD/EMTDC仿真模型,首先分析了系统在发生各种故障时所输出直流电压的基本特性,在充分考虑传输功率影响的条件下,根据直流电压故障信号幅值波动的范围,判断系统故障的性质,然后再通过小波分析方法提取特征向量,并结合人工神经网络方法实现系统故障的识别。仿真结果表明,这种方法能对VSC-HVDC的故障进行有效诊断和识别,且准确度不受传输功率的影响,具有良好的应用前景。