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.     

基于ES-PN模型的电力系统故障诊断

提出了一种基于Petri网理论和专家系统的电力系统故障诊断方法,详细阐述了基于引出线诊断模型和鉴别故障元件的方法,包括故障元件和其保护的关联度。通过对保护的方向性、区域性以及关联度的分析,增加了模型的拓扑适应能力。这种方法克服了专家系统难于用数学方法描述的缺点,增强了Petri网在该问题上的推理能力,利用Petri网建立数学模型,提高了故障诊断速度。诊断结果表明,该方法能够大大减少响应时间,并且比之前的方法更能适应电网配置的变化。     

基于冗余嵌入Petri网的电网故障诊断方法

针对现有电网故障诊断方法存在的容错性和适应性不够理想的问题,以电气量信息和保护动作信息为依据,基于冗余嵌入Petri网和范德蒙矩阵构建电网的Petri网故障诊断方法,根据变迁的发生及库所中托肯的转移,确定故障位置.通过算例分析验证所提方法的有效性和合理性,结果表明该方法简化了诊断过程,提高了准确性,并能灵活适应电网拓扑结构的变化.     

一种基于模糊Petri网的操瞄系统故障诊断方法

针对操瞄系统故障诊断建模中动态行为较难描述的问题,利用模糊Petri网的方法对系统中的故障传播进行建模.引入模糊产生式规则进行知识表示,研究了模糊Petri网的故障诊断建模方法及其推理算法.利用该方法对某牵引火炮的操瞄系统进行故障分析. 分析结果表明,基于模糊Petri网的故障诊断方法,结构简单、易懂,具有良好的故障表达形式以及有效的模糊推理能力,是一种行之有效的故障诊断方法.     

基于停电区域和灰色理论的电力系统故障诊断新方法

为了给电力系统故障诊断提供决策依据,提出了一种基于停电区域和灰色理论的故障元件识别模型.在停电区域中,详细分析了保护和断路器工作原理,推导出故障状态时保护和断路器状态信息,并构造了元件故障模式状态向量及待检模式状态向量,给出了向量元素赋值规则,通过计算关联度,进而利用故障元件识别规则实现故障诊断的目的.最后,用算例验证了所提出模型和算法的有效性.     

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.     

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.     

Petri网理论在电力系统输电网络故障诊断中的应用

提出了1种利用Petri网对电力系统输电网络进行故障诊断的方法.即先找出电力系统输电网络故障区域,再利用Petri网对此故障区域电网元件建模,并在计算机辅助下快速查找诊断故障点.     

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。     

基于特征Petri网建模的冷水机组故障诊断系统

冷水机组是建筑物中空调系统重要的制冷设备,它的运行状态直接关系到建筑物暖通空调系统运行的性能和稳定性,其故障诊断问题一直受到广泛关注.将特征建模方法引入到冷水机组的故障诊断技术中,并采用模糊Petri网技术实现建模.利用Petri网进行知识表示及推理的矩阵运算算法,描述冷水机组故障征兆与特征参数的关系.运用所提出的诊断系统,不但可以充分利用各特征参数的信息资源进行故障判断,而且可根据冷水机组能效指标COP对故障诊断结果进行综合诊断,有利于冷水机组高效运行.实验结果验证了该故障诊断系统的可行性和准确性.     

基于模糊Petri网的事故树模糊分析方法研究

为了降低获取现场采样数据精确值的难度并提高事故诊断的准确性,根据模糊事故树和模糊Petri网均具有描述事件发生因果关系链这一共同特征,采用模糊Petri网来表示事故树,建立了事故树的模糊Petri网模型,在Petri网中对事故树进行了模糊分析研究.该方法不仅可以对顶上事件各特征量进行估算,还能利用模糊Petri网推理算法进行事故诊断,实现了Petri网与事故树的紧密结合,使事故诊断更加切合实际.引入模糊集合理论到事故树分析方法,用模糊数来表示事件发生的概率,减小了获取底事件发生概率精确值的难度,在一定程度上修正了事故概率统计数据的误差.该方法可以将生产现场的实测数据与专家经验数据结合起来,使得分析结果更接近于工程实际.图2,表1,参13.     

基于多源信息的智能电网动态层次化故障诊断

针对智能电网结构日趋复杂、系统信息呈多元化发展的特点,提出了一种新颖的故障诊断方法,包括用于快速诊断简单故障的开关层,着力解决开关和保护异动情况下复杂故障的馈线层,以及准确判断复杂系统环境下多类型故障的变电站层;同时采用动态跳转策略,调整诊断入口和结构.并且,将改进的深度优先搜索算法、Petri网推理与直觉不确定粗糙集约简方法分别应用于各层诊断中.仿真算例表明,本方法增强了各层诊断的适应性,提高了故障诊断的效率与精度,且能准确诊断多类型复杂故障,具有良好的实践应用价值.     

基于模糊概率Petri网的故障诊断建模与分析

为筛选故障诊断推理中的冗余信息,研究了面向故障诊断的模糊概率Petri网（FPPN）。通过综合专家经验知识,将事件的概率参数引入推理分析中。并给出了基于状态方程的正向、反向及混合推理分析方法。以铁路道岔系统的故障诊断为例,说明基于FPPN的建模和分析方法,结果表明：引人概率参数的FPPN能够筛除冗余信息,分析过程体现了人工推理的思维模式,优于基于FPN的分析结果。     

Petri网逆网在主轴故障诊断中的应用

为了能够快速寻找主轴故障原因,采用 Petri 网逆网对数控机床主轴进行故障诊断。建立 petri 网逆网模型构建数控机床主轴关联故障可达图,深入系统分析主轴故障的各个子系统、故障模式和故障根本原因,并对故障模式和故障原因进行关联性分析;分析状态转移可达集,掌握主轴关联故障的传递过程,寻找导致主轴故障的根本原因;并以数控机床主轴噪声大为例描述数控机床主轴 Petri 网逆网故障诊断过程。主轴关联故障的 Petri 网逆网研究,有助于迅速进行主轴故障诊断与维修,缩短修复时间,进一步提高主轴的可用度。     

基于CRPN模型的复杂系统故障诊断

由于复杂系统的结构和运行环境复杂,传统方法无法对其进行故障诊断.文中将基于案例的推理方法和Petri网理论引入到复杂系统的故障诊断中,建立了基于案例推理和Petri网的CRPN(Case-based Reasoning Petri Nets)模型,研究了该模型的变迁规则和案例特征等关键技术.利用两层CRPN模型,可有效地解决已有复杂系统故障诊断方法中存在的模型难以建立、推理过程模糊等问题.最后以飞机的某系统为例,探讨了基于CRPN模型的故障诊断过程,结果表明文中方法是有效的.     

基于模糊加权有色网和BP神经网络的飞机发动机故障诊断

针对传统知识推理故障诊断方法中参数往往依赖于专家经验,存在着不准确和无法学习的问题,提出了一种基于模糊加权有色网和BP神经网络的故障诊断方法。首先,定义了模糊加权有色网并给出了两种产生式规则对应的模糊加权有色网模型。然后,设计了采用BP神经网络对模糊加权有色网各参数进行学习的算法。最后,给出了使用训练后的各参数进行初始化的模糊加权有色网进行故障推理的具体步骤。通过飞机发动机故障诊断实例仿真实验证明了方法能正确地建立模糊加权有色网推理模型,在采用BP神经网络进行参数训练后,能有效地实现飞机发动机的故障诊断。