基于加权模糊Petri网的电网分层故障诊断方法

为了降低模型建立的复杂度,增强模型的灵活性和通用性,研究了用于电网故障诊断的分层加权模糊Petri网模型,对系统中的元件分别建立子网和综合诊断两层模型,并将建立的分层加权模糊Petri模型与Stateflow元素对应转换,利用Simulink构建故障诊断模型,结合故障推理算法,求得元件的故障概率值,准确判断出故障元件。针对一个典型电网模型进行案例测试,结果表明,所建模型和仿真方法简单方便,具有准确性和通用性。     

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.     

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.     

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.     

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．     

基于信息融合技术的电网故障诊断方法

利用采样数据间的相互关系,以电网元件相关先验概率为基础,通过D-S(Dempster-Shafer)证据理论对检测的故障信息进行融合,获取缺失数据发生的概率;同时,将概率的概念引入Petri网建模,将获取的状态概率值代人概率Petri网故障诊断模型进行故障的诊断,以解决电网故障诊断过程中的信息不完备问题.实例证明,该方法可扩充电网故障的诊断范围.保障电力系统安全运行.     

VP型宽频带倾斜仪故障信号的BBA-SOM智能诊断

针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题,提出以互补集合经验模态分解(complete ensemble empirical mode decomposition, CEEMD)多尺度近似熵和二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络参数的VP型倾斜仪故障诊断新方。首先,将归一化后的仪器故障信号进行CEEMD分解,对6阶本征模态函数(intrinsic mode function, IMF)求取多尺度近似熵值;然后将网络输入法按比例分为训练集和测试集,以训练集的识别率为适应度函数,应用二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络的竞争层维数和网络训练次数;最后应用上述得到的BBA-SOM网络模型对倾斜仪故障特征数据进行辨识。实验表明：CEEMD多尺度近似熵判据对倾斜仪故障特征的区分效果符合预期;相对于朴素贝叶斯、AdaBoost集成学习与LDA等学习模型,BBA-SOM模型可以准确进行故障诊断;该方法对实现VP型倾斜仪故障的自动诊断有重要现实意义。     

改进GA-PSO算法的船舶电力系统故障诊断

为解决船舶电力系统故障识别的准确性以及快速性问题,在BP神经网络预测的基础上,提出一种改进的粒子群(PSO)和遗传算法(GA)混合优化BP神经网络的方法。改进包括两方面：一是对粒子群的惯性权重和学习因子进行改进;二是对遗传算法的变异概率和交叉概率进行改进。对发生故障时的三相电压信号进行小波包分解,提取各频率段的能量熵作为故障特征。经测试,优化后的算法诊断准确率明显提高,神经网络训练次数和误差减小,验证了改进GA-PSO-BP算法的可靠性,以及用于船舶电力系统故障诊断的实用性。     

模拟线性电路中故障元件存在范围的确定

为了简化模拟线性电路故障诊断定位阶段的工作量，提出了1种确定故障元件存在范围的方法.即在十分现实的K故障假设下，确定能代表电路所有元件并给出在K故障假设下的故障诊断方程的唯一解的1组元件--最优可测试元件组，使故障定位工作只局限于该组元件，而不必对电路所有元件进行.该方法构成了故障定位的第一步，且与故障定位方法无关.方法基于电路的可测试值计算和规范式不确定性组的确定，它在可测试性与不确定性组概念中具有严格的理论基础，其可测试性计算可直接从参数类型故障诊断技术中推得.     

基于小波包能量熵和GWO-SVM的滚动轴承故障诊断

针对滚动轴承不同故障类型和不同损伤程度识别准确率较低的问题,提出了将小波包能量熵、灰狼优化算法和支持向量机相结合的故障诊断方法.首先,将滚动轴承振动信号进行3层小波包分解,对第3层各频段小波包分解系数进行重构,提取各频段成分的能量熵构成故障特征向量;其次,利用灰狼优化算法实现支持向量机参数优化;最后,基于优化后的支持向量机分类模型完成对测试集滚动轴承不同故障类型和不同损伤程度特征向量的识别诊断.实验结果表明,相比实验和文献中其他方法,该方法对滚动轴承不同故障类型和不同损伤程度具有更加突出的故障辨识能力.     

一种新的遗传算法及其在变压器故障诊断中的应用

提出了一种新的遗传算法,其基本思想是:以网络权重和偏差的实数形式作为基因构成染色体向量,采用基因多点交叉和动态变异进行种群最优选择.研究结果表明,这种新的遗传算法是一种随机优化算法,克服了梯度下降法的不足,能够自动调节网络参数、网络的连接权重和偏差.在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统.该系统只要将传感器测出的变压器中线圈电流、特征气体的含量作为输入参数,就能对信息进行融合分析,得到输入变量(线圈电流、溶解气体含量)与输出结果(故障类型、程度和部位)的复杂对应关系;能有效地减少输入层神经元的个数,改进网络内部结构,提高神经网络模型的学习效率和诊断的准确率,诊断精度高,漏报少,无误报现象.     

基于故障附加网络的故障分量算法

为深入认识和利用故障分量,提出了以故障分量为求解和分析对象的故障分量计算方法,它根据故障附加网络和故障分量在故障点的边界条件建立网络方程,并使用Newton法求解该方程。所提方法的特点是物理意义明确,省去了由故障全量导出故障分量的中间过程。编程计算结果表明所提算法快速、准确。该方法能够用于计算复杂电力系统简单故障或多重故障的故障分量,也可用于分析和评判基于故障分量的继电保护和各种安全自动装置的性能。     

基于量子退火算法的配电网故障定位

由于分布式电源在配电网的高渗透给有源配电网的保护技术和策略带来了挑战,致使传统方法在故障诊断中稍显逊色。针对此现状本文提出基于量子隧穿效应的量子退火算法实现故障诊断,并通过对量子退火算法进行优化以改善其在复杂配电网故障诊断中有小概率陷入局部极小值的问题。首先拓展传统故障定位适应度函数为量子退火算法的评价函数；其次,提出混沌优化产生初始磁场强度和初始温度提高搜索效率,利用自适应公式计算扰动次数,并设计陷入局部最优时的扰动方法跳出当前最优可行解；接着构造具备升温特点的温度衰减函数,选择合适形式的磁场衰减函数；最后将改进的量子退火算法进行三种经典函数的测试,并分别应用于33节点单电源和33节点含分布式电源配电网两个故障场景中。模拟仿真表明,改进量子退火算法在故障定位问题中具备可行性,能够适应联络开关的开闭变化和多个含分布式电源的投切,表现出良好的定位准确率,容错性和全局寻优能力等。     

一种基于油中溶解气体分析的变压器绝缘故障诊断新方法

将小波神经网络优良的分类诊断能力和最小二乘加权融合方法相结合,采用油气分析实现电力变压器的故障诊断.用非线性Morlet小波基作为神经网络激励函数,形成神经元,结合双方的优点,建立了紧致型小波神经网络.采用6个同一小波,其隐层单元数目、学习率等相关训练参数不同的单个子网络,对相同变压器故障信号样本进行训练,用最小二乘加权融合法对各个子网络的输出结果进行决策信息融合,通过对融合结果的分析,得到变压器故障的识别结果.测试结果表明,系统具有较好的分类诊断能力和可靠性.     

配电网接地故障定位的传递函数法

为解决配电网的单相接地故障定位问题 ,提出一种新的单端测距算法。该方法基于频谱分析的原理和线路的分布参数模型 ,建立配电网络的传递函数 ,从单端施加激励信号 ,由传递函数的频谱特性构造判据进行故障定位。理论推导和计算机仿真计算表明 ,根据各分支端口传递函数频谱的频率、相位和波形特征可以有效实现配电网的接地故障定位并测距。由于该方法不受负载参数变化的影响 ,测量方便 ,克服了以往单端测距算法的缺陷 ,因此有很好的应用前景     

基于DSP的交流电机故障诊断

交流异步电机是广泛使用的能量转换装置.对鼠笼异步电动机的常见故障进行分析及诊断,提高电机故障的监测诊断水平,具有重大实用价值.本文应用小波包-神经网络算法实现了基于DSP的交流电机故障诊断.利用小波包分解算法提取出电机故障特征向量,并针对轴承和偏心故障特征,提出对数故障特征向量的算法.将故障特征输入基于任务分解的神经网络,实现基于DSP的电机定子、偏心以及轴承故障诊断.     

基于人工神经网络和专家系统结合运用的电网故障诊断技术的研究

人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合是智能系统研究的发展方向。本文对ＡＮＮ和ＥＳ结合用于电力系统故障诊断问题进行了研究，提出一种新的电力系统故障诊断方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力和ＡＮＮ的学习能力，由ＥＳ根据故障报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行诊断。该方法教授给ＡＮＮ的知识是电网通用的故障判断知识，具有较强的能用性。研究表明ＡＮＮ和ＥＳ结合用于电网故障诊断是非常有效的。     

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RBF网络的旋转机械故障诊断方法

针对BP网络在故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于RBF网络的故障诊断方法,介绍了RBF网络的结构和自适应正交最小方差算法（SROSL法）,并应用于旋转机械的故障诊断中,应用结果表明,RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

Ad-Hoc网络中一种基于簇的故障诊断算法

对ad hoc网络中移动节点的故障诊断问题进行了研究,提出应用于分级ad hoc网络中的"基于簇的比较诊断算法"·"基于簇的比较诊断算法"针对"基于比较的故障诊断算法"系统开销大、在诊断期间网络拓扑变化时部分节点无法诊断的缺陷,利用簇首对诊断过程的集中控制功能,减小了诊断过程的系统开销,并突破了诊断期间要求网络拓扑不变的限制·仿真实验表明,基于簇的比较诊断算法比基于比较的故障诊断算法具有更好的性能和更小的系统开销·