改进贝叶斯算法在配网故障诊断中的研究

针对智能电网故障诊断中所存在的大量不确定信息的问题,本文对贝叶斯网络算法在电网故障诊断中的应用进行了相关研究.在原有Noisy-or、Noisy-and两类节点模型和线路、母线和变压器三类故障诊断模型的基础上,对传统贝叶斯算法的不足之处进行改进,提出了一种改进贝叶斯算法.最后以某地区实际配网为研究实例,结果表明,与传统方法相比,改进后的算法在故障诊断中具有更高的灵敏度,降低错误概率,可以构造最小错误概率的贝叶斯分类器等优点,在实际电力系统故障诊断中半角将有很好的应用前景.此外,本文通过图形用户界面(GUI),显示可疑故障元件、后验概率、误动拒动的保护断路器等信息,方便现场工作人员及时做出决策,进一步处理故障.     

容错Petri网电网故障诊断改进模型

针对容错Petri网电网故障诊断模型未考虑近后备保护对模型的影响,以及网络拓扑结构变化时模型的可移植性较差等问题,提出了容错Petri网电网故障诊断的改进模型.通过引入近后备保护以及一个模拟近后备保护控制的断路器的虚拟库所,使改进后的模型更加直观,能够全面反映保护系统的各种动作逻辑.且沿故障候选元件的各个故障蔓延支路分别建立模型,网络拓扑结构变化时只须添加或删除相应支路的故障诊断子模型,无须修正关联矩阵.算例仿真结果表明:改进模型简单,具有良好的通用性和可移植性,且推理结果可直接用于评价保护系统的动作特性.     

失灵保护原理介绍及回路分析

断路器失灵保护是指故障电气设备的继电保护动作发出跳闸命令而断路器拒动时,利用故障设备的保护动作信息与拒动断路器的电流信息构成对断路器失灵的判别,能够以较短的时限切除同一厂站内其它有关的断路器,使停电限制在最小范围,从而保证整个电网的稳定运行,避免造成发电机、变压器等故障元件的严重烧损和电网的崩溃瓦解事故。断路器拒动是电网故障情况下又叠加断路器操作失灵的双重故障,允许适当降低其保护要求,但必须以最终能切除故障为原则。在现代高压和超高压电网中,断路器失灵保护作为一种近后备保护方式得到了普遍采用。     

电网故障的动态连续诊断方式

首次利用自适应动态事件窗生成技术,直接面向故障发生、发展和监控信息获取的动态过程,提出一种电网故障的动态连续诊断方法.通过正反向推理相结合,并实时跟踪故障开始到故障结束,动态连续诊断的过程兼顾新增的告警信息和断面信息,能迅速和准确地得出诊断结果.本文首先以线路故障为例,按照断路器的不同动作情况和故障波及范围,建立线路的故障模型.然后,将自适应动态事件窗生成技术与电网故障的动态发展过程相结合,确定动态连续诊断机制.算例结果验证了该诊断方法的可行性及有效性.     

基于改进时间模糊Petri网配电网故障诊断方法

配电网设备可靠性地区差异大,故障诊断自动化程度低.为保证能够快速精确地做出故障诊断,提出了一种基于改进时间模糊Petri网配电网故障诊断新方法.首先利用保护断路器信息、报警信息、状态信息和电气量来纠正断路器动作信息,确定停电区域;然后根据动作的断路器能够保护的范围确定可疑故障元件,利用带时标的保护断路器信息,针对可疑故障元件建立时间模糊Petri网模型进行故障诊断.模拟测试表明,此方法提高了配电网故障诊断速度和准确度,具有良好的实用价值.     

基于概率神经网络的高压断路器故障诊断模型

针对高压断路器在线监测与故障诊断问题,提出了一种基于概率神经网络的高压断路器故障诊断模型.该模型利用Parzen窗函数和Bayes分类规则建立了前向型自监督神经网络,在分析分（合）闸线圈信号的基础上提出了高压断路器故障模型.仿真结果表明,该模型对断路器的故障模式识别过程具有训练速度快、输出误差小和收敛性好等特点.     

基于模型诊断和skyline查询的电网故障诊断

针对基于专家经验的电网故障诊断系统开发周期长,且难以诊断经验之外故障的问题,提出一种基于模型诊断和skyline查询的电网故障诊断方法.该方法根据测点分布将待诊断系统分解成若干独立子系统,利用故障输出与元件之间的因果关系建立系统模型,然后推理每个子系统的候选诊断,将实际告警信息引入到模型诊断逻辑框架中,运用skyline查询算法从候选诊断中识别故障元件.通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,提高了诊断的效率,将实际告警信息引入到模型诊断的逻辑框架内,提高了诊断的有效性.仿真表明方法条理清晰,计算简便,能够有效地减少诊断时间和空间复杂度.     

基于贝叶斯网络的农村电力网故障诊断研究

鉴于贝叶斯网络灵活的因果推理和诊断推理,运用贝叶斯网络方法研究了因保护装置和断路器误动或拒动、通信装置的故障等原因造成的不完备警报信号模式下的农村电网故障诊断新方法.该方法应用Noisy-Or、NoiSy-And节点模型和类似BP神经网络的误差反向传播算法建立了输电线路故障诊断模型,并应用公式推理得出每个元件的故障信任度,根据故障信任度确定元件有无故障.     

利用组合型交叉熵算法实现电网故障诊断

为快速准确实现电网故障诊断,依据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,并给出了该算法的具体计算步骤,可成功识别电网故障元件。在测试系统上对多起故障情况进行模拟测试,结果表明故障诊断结论全部正确,进一步说明应用组合型交叉熵算法的电网故障诊断具有一定的有效性和准确性。     

STL在电网故障诊断遗传算法中的应用研究

电网故障诊断通常基于保护和断路器的动作信息,并经遗传算法实现故障元件识别．该文在研究故障诊断模型特征的基础上,以基于泛型技术的标准模板库为核心,分别抽象出简单遗传算法的染色体类及遗传算法类,给出具体的遗传算子源代码,并结合具体故障实例验证诊断结果．通过与传统遗传算法的c＋＋代码的对比,表明STL容器、迭代器及算法的使用不但增强了程序的可读性和健壮性,同时也降低了程序时间复杂度,最终达到提高电网故障元件识别速度目的．     

基于改进HMM模型的组合服务故障诊断方法

针对现有组合Web服务诊断模型故障诊断准确率普遍不高的问题，提出一种新颖的基于改进隐马尔可夫模型(Improved-HMM)的故障诊断方法.首先，从组合服务监测数据中提取多维特征序列训练HMM模型.训练过程中，考虑到基于BW的方法仅在某观测条件下进行参数评估，获得的参数准确度不高，提出基于贝叶斯估计的学习方法，得到更客观的参数;进一步，基于改进的HMM模型计算当前特征序列对应的各类故障类型发生概率，推断最有可能的故障类型.实验结果表明，提出的方法具有较高的诊断率和较低的漏报率，适合在网络环境中进行实时故障检测.     

基于解析余度的导弹执行机构故障诊断方法

针对导弹飞行过程中执行机构的故障问题,提出了基于解析余度的导弹执行机构故障诊断方法.该方法借鉴解析余度的思想,在分析导弹姿态控制系统数学模型以及其执行机构的结构与功能的基础上,分别得到4个执行机构喷管摆角的理论计算值和反映喷管摆角的位移反馈电位计输出值,通过分析执行机构的结构与功能得到反映喷管摆角的位移反馈电位计输出值,从而根据二者在功能上的解析冗余关系得到了用于导弹执行机构在线故障诊断的残差,利用该残差的变化即可判断执行机构的故障情况.将该方法用于某型导弹伺服机构的在线故障诊断仿真实验,结果验证了该方法的有效性.     

用于水电厂设备的故障诊断的贝叶斯网络模型

通过分析水电厂设备故障诊断所面临的不确定性等问题以及当前常用诊断方法存在的局限性,研究基于贝叶斯网络的设备故障诊断方法,提出了适合于诊断问题的贝叶斯网络结构并阐述了基于贝叶斯网络故障诊断的团树推理算法.该方法综合考虑了多故障、故障症兆模糊以及电厂设备操作之间有依赖关系等情况.通过丰满水电仿真系统中水机调速器故障诊断的应用实例,证实了该方法在信息不确定条件下进行诊断决策的有效性和准确性.     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时，不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题，提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失，实现源域和目标域之间的域分布对齐，从而实现无标记目标域样本的故障诊断.实验结果表明，所提方法与主流的域适应方法相比具有更高故障诊断准确率，验证了该方法的合理性和可行性.     

基于CAN总线的发动机PSA故障诊断系统

针对传统发动机故障诊断方式存在故障事后检修及查询困难等问题,提出一种基于CAN总线的发动机在线故障诊断系统模型.以CAN总线实时采集的发动机控制单元各传感器状态数据为诊断样本,利用主成分分析(PCA)实现输入变量降维和去相关;采用减法(subtractive)聚类算法完成模糊推理过程;应用自适应神经模糊推理系统(ANFIS)建立起PSA(PCA-subtractive-ANFIS)故障诊断模型.研究表明PSA故障诊断模型是有效的.仿真结果表明,其拟合能力、收敛速度及抗噪能力均优于PCA-BP网络模型.     

大功率逆变器的键合图模型及故障诊断方法

大功率逆变器是风力发电机组中主要的变流装置之一,也是故障发生比较多的装置.提出将键合图与解析冗余方法相结合的故障诊断方法,建立元器件的键合图故障诊断模型、故障解析冗余关系及特征矩阵,通过观测矩阵和特征矩阵的对比,进行系统的故障检测.在20-sim软件中的仿真实验结果表明该方法对于大功率逆变器的故障诊断具有良好的便捷性和有效性.     

基于模糊AHP变压器运行状态判断矩阵建立方法

针对变压器的故障原因、故障机理以及故障征兆之间存在随机性和不确定性,运用层次分析法(AHP)建立了变压器运行状态的模糊综合评价影响因素分析模型;利用AHP的一致性判断矩阵直接转换到模糊对称矩阵,得到了不同的运行状态阶段影响因素指标相对于变压器运行状态的组合权重.这种方法不仅简化了模糊综合评判方法的对称矩阵的建立,也使变压器运行状态的评价准则更满足工程实际的要求.实例表明,该方法将层次分析法和模糊综合评判方法相结合,可以对各影响因素进行权衡分析,从而有效地对变压器运行状态作出综合评价.     

基于原子能量熵和CSM的配电线路故障分类方法

针对配电线路上的故障分类问题,提出了一种结合原子能量熵和连续字符串匹配(CSM)的故障分类方法.通过分析故障信号的暂态特征,利用原子分解法得到故障暂态信号的主导原子以及对故障信息进行补充的次级原子,计算原子能量熵作为故障特征量,较完备地描述了故障特征.应用CSM进行故障分类节省了智能算法故障辨识中参数选择和优化的时间,通过建立的编码规则,将故障特征进行编码,搜索故障编码库,最终确定故障类型.通过仿真研究,验证了该算法的可行性与有效性.     

基于RST改进NN模型的高压输电线系统故障诊断

为了克服实时诊断信息在形成和传递过程中的畸变而导致故障诊断结果的错误，在基于粗糙集理论(Rough Set Theory，简称RST)的高压输电线系统故障诊断模型的研究基础上，充分利用神经网络(Neural Networks，简称NN)的泛化能力和粗糙集理论强大的定性分析能力，构造了RST与NN相结合的故障诊断模型。首先利用RST从诊断样本中提取领域知识，然后利用所提取的诊断对象知识属性形成诊断NN的初始结构，进而增强诊断NN的智能性和容错性。通过高压输电线系统故障诊断的仿真结果比较，证明了该模型的有效性和通用性。该模型即使在诊断信息不完整的情况下，也具有高的诊断容错性能，因此在电力系统实时故障诊断方面具有广阔的应用前景。