基于配电网故障定位技术的研究

随着科学技术的发展,配电管理系统对配电系统自动化技术也提出了越来越高的要求。目前,配电网的故障定位和网络重构是配电自动化的关键功能,是目前国内外研究的热点。论文针对当前配电网的需求,对国内外在配电系统故障定位诊断方面已有的研究做出了深入的分析,构造出具有高容错性,快速性,准确性的配电网故障定位技术。     

配电网接地故障的诊断及快速定位技术分析

配电网具有点多面广的特点,在实际的运行过程中容易发生故障,特别是发生接地短路故障,给配电网的安全稳定运行带来了较大的风险.当配电网发生接地短路故障时,需要对故障类型加以分析诊断,并快速实现对故障位置的有效定位.基于此,本文首先分析了配电线路接地故障的诊断技术现状,其次介绍了基于时空监测矩阵和区域差分技术的配电网接地故障...     

多电源配电网的复故障定位网络模型

提出一种使故障定位算法能够应用于多电源配电网复故障情况的网络模型,该网络模型考虑了算法中与故障电流有关的量的方向性,在假定由某电源供电的功率流向为正方向之后,多电解配电网的故障定位问题实际上转化为单一电源情况下的故障定位问题,如果对每一个电源都假定一次正方向,在每一个假定正方向下都用故障定位算法求一次故障设备,那么最后就可以找到所有的故障设备。     

基于行波特征分类的有源配电网故障定位

随着分布式电源(distributed generator, DG)的接入,配电网的潮流方向和结构发生改变,许多传统配电网的故障定位方法已不再适用。单相接地故障是配电网常见故障且可能带来二次故障乃至断电等危害,从线模行波小波特征值与含DG的配电线路故障区段之间的关系入手,通过线性判别分析(linear discriminant analysis, LDA)降维挑选出最优故障特征,再利用机器学习中与该模型契合最好的基于核分布的贝叶斯构造分类模型,实现单相接地故障定位新方法。构建含DG的IEEE 33节点模型对有源配电网不同区段的故障进行实验,得出最优三维特征样本的定位准确率为97.9%,结果表明该方法能实现故障的准确定位。     

油田配电网故障定位方案研究

目前有多种输电线路准确定位方法,其中,多数是采用集中参数模型。由于这些模型不能表示输电线路的电容作用,致使误差较大。本文根据笔者在多年从事继电保护实践中积累的经验,针对6.10kV线路的特点,结合故障定位的最新进展,利用线路的分布参数模型,提出一套油田配电网故障定位的全新方案。该方案在理论上是可行的,有些部分已在实践中得到检验。     

基于概率条件下配电网故障区段定位方法

馈电线路发生故障时,故障区段必然位于两个相邻负荷开关之间的线路上,通过馈线终端单元采集故障信息上报SCADA系统,得到负荷开关上馈线终端的有关故障信息序列,利用故障信息进行故障区段定位。建立基于概率条件下的故障区段定位模型,利用发生故障时的最大故障概率这一条件进行故障区段定位,简单可靠。     

基于拓扑辨识的配电网故障定位算法

针对配电网存在T接点的情况,提出了基于拓扑辨识的配电网故障定位算法。该算法将配电网络的拓扑描述矩阵分析成不含区域和只含区域的矩阵描述方式,有效地解决配电网的故障区段判断;同时可以自动定位区域的顶点,适应多变的网络结构。     

配电网故障定位统一矩阵算法的改进

文献[2]中提出了基于FTU的配电网故障定位的统一矩阵算法，但将该算法应用于辐射状馈线和树产太馈线的末端进行故障定位时，会无法判断出故障区域。在此提出在该算法中采用零编号的方法，结果表明该方法可以使得应用该算法对辐射状线跌末端和树状接线的末端进行故障定位时，不存在盲区。     

配电网故障定位算法研究

针对配电网故障快速准确定位问题,研究了故障定位的矩阵算法,分析了不对称矩阵算法的基本原理,针对该算法存在判别盲区的缺陷,提出了在辐射网和树状网末端增加零节点编号的改进方法,消除了判别盲区;该方法具有简单、实时性强的特点,在配电自动化系统中有很强的实用性。论文最后用算例验证了该算法的有效性。     

基于改进S变换的配电网故障定位方法

该文提出了一种基于改进S变换提取行波特征频率的配电网故障定位方法。配电线路故障产生的暂态行波在波阻抗不连续点之间来回反射,从而在不同的振荡路径上形成不同的特征频率分量,根据故障路径特征频率分量的大小可以计算出故障距离。S变换是一种性能优越的时频分析方法,该文将其应用到行波特征频率的提取中,仿真结果验证了该方法相此基于Morlet连续小波变换方法的优越性。     

基于故障诊断的数据挖掘系统

故障诊断规则获取一直都是研究的热点之一。粗集作为分类数据挖掘方法的一种，是故障诊断的一种新的有效方法。首先介绍了基于故障诊断的数据挖掘系统特点及结构，然后介绍各模块功能，并论述了相关的粗集理论及具体算法，最后给出了系统的应用实例。     

基于概念层级和分层挖掘的非单调数据挖掘算法

引入概念层级和采用分层挖掘处理数据挖掘中的非单调性,提出了结合粗糙集和概念层级的非单调规则挖掘算法,以及基于混合知识模型和分层挖掘的非单调数据挖掘算法,通过一故障诊断实例,阐明了该算法的原理,并介绍了基于遗传算法的模糊规则自动生成和故障诊断神经网的构造。     

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

一种基于粗糙集理论的数据挖掘算法的研究

研究了粗糙集理论在数据挖掘中的应用,提出了一种基于粗糙集理论的数据挖掘算法.首先对信息系统的数据加工泛化,构造其二进制可辨矩阵.对矩阵进行化简得到属性约简并生成规则.最后,结合银行申请信用卡的实例,利用上述方法进行数据挖掘,消去冗余属性,抽取决策规则.     

一种基于粗糙集理论的设备故障诊断方法

粗糙集理论是一种处理模糊和不确定知识的数学工具。本文根据粗糙集理论,对设备的振动故障诊断决策表进行属性约简,以提取故障识别的重要属性,降低决策表的冗余性。分析表明,粗糙集理论应用于故障诊断可得到更清晰、简明的诊断规则。     

一种新的基于RS和NN的混合数据挖掘算法

提出一种结合粗糙集理论和BP神经网络理论的新数据挖掘算法.算法利用粗糙集对属性的归约功能将数据仓库中的数据进行归约,将归约后的数据作为训练数据提供给神经网络.通过粗糙集归约,提高了训练数据表达的清晰度,也减少了神经网络的规模,同时利用神经网络又弥补了粗糙集对噪声数据敏感的不足.     

基于关联规则的电力仪表企业故障诊断

在数据挖掘和关联规则技术的基础上,提出采用经典Apriori算法对电力仪表企业产品数据信息进行挖掘,获取产品故障规则信息,并抽取出不同支持度下的故障规则,实例证明采用该方法产生的规则有利于企业技术部门和决策者进行决策,能更好地为他们提供参考信息。     

基于粗糙集与模糊神经网络的多级压缩机诊断

为解决多级往复式压缩机故障诊断这一复杂问题,提出了一种棋于智能互补融合的智能诊断策略、该策略利用粗糙集理论对数据样本进行党费,形成初步的诊断规则,并基于该结果形成模糊神经网络,再利用网络的分类逼通能力,建立从故障状态空间至解释空间的精确映射,从而达到故障诊断的目的,另外,还提出了一种基于误差反馈的节点函数特性变化模糊神经网络逼近器和新的数据党费度量指标－数据蒸发率,对一台四级压缩机的故障诊断结果表明,提出的新方法具有诊断率和数据蒸发率高、结果易于被人理解、诊断计算最小等优点。     

一种新型知识约简法在数据挖掘中的应用

数据挖掘是一门新兴技术。在数据提取中如何去除冗余数据是数据挖掘研究的重点之一。在研究粗糙集理论的基础上，将属性约简法应用到数据挖掘的知识约简中，可有效地删除冗余数据，并能取得较好的约简结果。