基于自适应加权模糊Petri网的电网故障诊断研究

本文针对电网故障诊断中存在的保护和断路器拒动误动以及故障信息丢失的情况,给出基于加权模糊Petri网(WFPN)的故障诊断方法。考虑到故障诊断模型中权值设定完全依赖于专家经验的问题,设计具有学习能力的加权模糊Petri网,建立电网元件的WFPN故障诊断模型,并利用粒子群算法对权值进行学习实现权值自适应,最后利用故障诊断模型进行故障案例的仿真分析,并与基于加权模糊Petri网的诊断方法相比证明所提出方法具有较好的诊断可信度。     

基于时序信息的模糊Petri网电网故障诊断方法

为提高电网故障诊断的准确性,充分利用报警信号的时序信息,研究一种基于时序信息的分层变迁模糊Petri网故障诊断方法。首先,建立分层变迁加权模糊Petri网(WFPN)故障诊断模型;其次,构建元件、保护和断路器之间的时间关联特性(TAC),进行时间关联一致性检查;最后,通过模糊推理进行故障诊断,并对保护和断路器异常行为进行评判。通过典型电网算例推理验证,结果证明该方法不仅能够提高故障诊断的准确性和容错性,还能够判断保护和断路器的异常行为并推出元件故障发生时刻。     

基于方向性加权模糊Petri网的电网故障诊断方法

针对复杂电网故障诊断的模糊Petri网模型不能适应网络拓扑变化且未考虑保护和断路器信息对故障影响程度等问题,提出了基于方向性加权模糊Petri网的电网故障诊断方法。首先通过电力网络拓扑分析确定停电区域;其次,分别在每个故障蔓延方向上对停电区域内的元件建模进行推理计算;最后分析该算法在网络拓扑变化时的通用性以及信息不完备情况下的容错性。对14节点电力系统的仿真结果表明:该算法可以有效地降低输入输出矩阵的维数,减小计算量,能够自动适应网络拓扑结构的变化,在信息不完备的情况下给出正确的诊断结果,具有较好的通用性和容错性。     

计及时序信息检查的分层模糊Petri网电网故障诊断模型

研究一种计及时序信息检查的电网故障诊断分层模糊Petri网模型。为了简化诊断模型,构造线路与母线的分层模糊Petri网。深入分析了电网故障诊断中故障、各保护与断路器之间的一元与二元时序约束关系,提出了一种对线路两端保护与断路器动作的时序约束交叉检查方法,对不满足时序约束的保护与断路器动作的概率进行修正。对该分层模糊Petri网进行逆向推理找到故障元件,通过正向时序推理发现误动与拒动的保护与断路器。典型电网的多组案例测试结果验证了该分层模糊Petri网诊断模型的有效性。     

基于BP网络算法优化模糊Petri网的电力变压器故障诊断

为了提高电力变压器故障诊断的正确率,提出了一种基于BP网络算法优化模糊Petri网的电力变压器故障诊断方法。利用具有自学习、自适应能力的BP网络算法,在确定模糊Petri网的权值、阈值、可信度等网络参数初始值的前提下,实现模糊Petri网网络参数的优化。在模糊Petri网网络结构上,运用BP网络算法,对电力变压器DGA样本进行学习训练,使模糊Petri网网络参数逐步向真实值逼近。实例分析结果表明,该方法能够有效地诊断电力变压器中的单一故障和多重故障,提高故障诊断正确率,证明了方法的正确性和有效性。     

基于BP网络算法优化粗糙-Petri网的电网故障诊断

为了使电网故障诊断的过程更简洁、快速和直观,提出了一种基于BP网络算法优化粗糙-Petri网的电网故障诊断方法。首先用粗糙集理论对电网的故障征兆数据进行处理,从冗余的故障信息中约简出最小决策表;然后基于得到的最小决策表提取诊断规则并建立最优的 Petri 网模型,利用 Petri 网处理并行推理的能力来实现高效的电网故障诊断。其中引入神经网络中的BP算法对电网故障诊断Petri 网模型的权值参数进行网络优化训练。电网实例分析结果表明该模型能准确找到故障区域,具有较好的快速性、自适应性和一定的容错性。     

基于分层变迁的WFPN电网故障分析

为了增强模型的灵活性以及解决算法在推理过程中存在的不足而影响诊断准确性的问题,研究了基于改进的加权模糊故障Petri网(WFPN)的电网故障诊断方法。首先,根据故障信息确定可疑元件并建立各元件两层通用模型。其次,提出了对变迁集合进行分层归类及算法的改进,使计算过程更符合变迁的触发时序。其中,变迁分层数的多少决定着算法迭代的次数。最后,给出了故障诊断的具体推理过程,分析了算法性能和模型适应性。算例分析和不同模型诊断结果的比较表明该方法的合理性和有效性,可实现快速的故障诊断。     

基于Petri网并分解技术的电网故障诊断

阻碍Petri网技术在实践应用中发展的重要问题是"状态爆炸",并分解技术是解决"状态爆炸"的一种有效措施,但如何分解仍是一个非常困难的问题.文中分析了电网故障诊断Petri网的特点,提出了一种无环、多输出库所Petri网的分解方法,并将它应用于电网故障诊断,同时提出了基于并分解Petri网故障诊断算法.对湖南某地方10 kV配电间进行仿真试验,验证了该方法的有效、可行和准确.     

容纳时序约束的改进模糊Petri网故障诊断模型

现有基于Petri网理论的电力系统故障诊断模型与方法完全没有利用或没有充分利用警报信息的时序属性,且容错性不强,在处理复杂故障时可能无法得到明确的诊断结果。在此背景下,提出一种融合时序约束网络的模糊Petri网故障诊断模型。通过将Petri网的库所赋予时间属性,以充分计及元件故障、保护动作和断路器跳闸间的延时约束,并采用模糊加权算法进行推理运算,提高了模型的容错性。最后,以IEEE 10机39节点电力系统为例验证了所发展的模型的正确性和求解算法的有效性。与现有两种方法的比较表明,所发展的诊断方法能够自动跟踪网络拓扑变化,在增加少量计算量的情况下,较大提高了容错能力,满足大规模电力系统在线故障诊断需要。     

应用模糊Petri网的继电保护行为评判

模糊Petri网应用于电网故障诊断时不能很好地实现对保护行为的评判,为此,提出了应用模糊Petri网前后向推理的继电保护行为评判新方法。为缩小诊断范围,首先利用实时接线分析法对故障区域进行识别;再对故障区域内的元件利用模糊Petri网前向推理进行诊断;最后,利用后向推理算法,并结合数据采集与监控/能量管理系统(SCADA/EMS)信息及相应计算,推断出拒动及误动的保护装置和断路器。详细给出了模糊Petri网后向推理的算法以及对保护装置和断路器进行评价的判据。仿真算例验证了所提方法的有效性,在实际故障分析中有较好的实用价值。     

基于模糊petri网理论的汽轮机润滑油系统故障诊断研究

汽轮机润滑油系统对于电厂机组安全运行起着至关重要的作用,润滑油压低故障是润滑油系统重要的报警信号。针对汽轮机润滑油压低故障,利用模糊Petri网理论,建立汽轮机润滑油系统模糊Petri网故障模型。经过对模型的推理计算,得到汽轮机润滑油压低故障产生的各个原因概率。通过与电厂润滑油系统故障原因的实际对比,验证模型的正确性和有效性,为电厂系统的故障诊断提供了一个新的思路。     

A fuzzy Petri net based approach for fault diagnosis in power systems considering temporal constraints

The fuzzy Petri net is a promising and efficient approach that can tackle the complexities of power system fault diagnosis. In this work, the temporal constraint between event occurrences in power systems is investigated. Then, it is introduced to a fuzzy Petri net (FPN) for fault diagnosis. The temporal attributes are assigned to the propositions in the Petri net, so that temporal information can be taken into account, which makes the true hypothesis distinguishable from the false ones. The modified matrix execution algorithm can enhance computational efficiency, with a “weighted average” operation included to improve the fault-tolerance. The developed model possesses a modular structure, which is easy to adapt to topology changes, and to accommodate modern protection schemes. A preliminary evaluation of the operating performance of protective devices is also carried out after fault section identification. The testing results on the IEEE 14-bus power system and Zhejiang provincial power system in China demonstrate that the developed model is correct and efficient. Compared with three existing fault diagnosis methods, the proposed one has stronger fault-tolerance with lower computational cost, and is suitable for on-line fault diagnosis in large-scale power systems.     

基于事件起点的层次化时序Petri网及其电网故障诊断方法

电网发生故障后利用大量告警信息快速准确地识别故障元件是保障可靠供电和电网安全稳定运行的首要任务。为适应电网运行调控需求,提出一种基于事件起点的层次化加权模糊时序Petri网故障诊断方法。在完善母线和线路的层次化加权模糊时序Petri网模型的基础上,以故障发生时刻为事件起点,确立各初始库所的时序属性,并通过逆向和正向时序推理对保护和断路器动作信息进行时序约束检查和置信度修正。IEEE 39节点系统仿真算例和电网实际故障算例表明所提方法能够在保护和断路器误动/拒动、告警信息缺失/错误等复杂状态下识别真实故障元件,提高了故障诊断的准确度和容错性。此外所提方法还可以得到设备故障的时间点约束,有利于进一步分析故障原因和故障事态发展。通过与现有应用时序信息的故障诊断方法相比,所提方法时序推理过程简明清晰,对网络拓扑的变化适应性强,运算速度快,满足在线诊断需求。     

一种基于高级Petri网的微电网故障诊断方法

微电网拓扑结构灵活,运行方式多样,是一个相对自治系统。针对微电网拓扑结构多变导致故障诊断建模困难问题,提出基于微电网线路故障保护信息的分层Petri网分析模型。该模型以分层保护集形式处理微电网保护信息。当微电网拓扑结构改变时,只需更新相应的保护集信息,不需要重新建模,对微电网的灵活多变有较强的适应性。该模型还可以有效判别保护和断路器的拒动、误动和处理含有时序关系的保护信息。为增强诊断系统的容错性和可靠性,采用智能加权模糊Petri网理论自适应调整权值。仿真算例验证了方法的有效性。     

基于模糊神经网络继电保护装置的仿真研究

根据模糊数学和神经网络的基本原理,建立了一个基于模糊神经网络的继电保护装置系统模型。给出了模糊神经网络的结构和学习算法并进行了仿真,大量的实验证明该方法是可行的。     

电网故障诊断的智能方法综述

综述了目前应用较为广泛的基于智能技术的电网故障诊断方法,包括专家系统、人工神经网络、贝叶斯网络、优化技术、支持向量机、模糊集理论、Petri网、信息融合技术和多智能体技术。简单介绍了这些智能方法的基本概念,在电网故障诊断领域的研究现状,并从实用化的角度阐释了各自的特点和存在的不足,以及各自未来的发展情况。最后从电网故障诊断领域当前所面临的重要问题出发,探讨了该领域今后的发展趋势。     

人工智能技术在输电网络故障诊断中的应用述评

简要介绍了相关的人工智能技术,如专家系统（ｅｘｐｅｒｔ ｓｙｓｔｅｍ）,人工神经网络（ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）,模糊理论（ｆｕｚｚｙ ｔｈｅｏｒｙ,遗传算法（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ）及Ｐｅｔｒｉ网络（Ｐｅｔｒｉ ｎｅｔ）等的基本概念,并在此基础上对文献中提出的相应的输电网络故障诊断方法进行述评,分析它们在输电网嶷故障诊断中应用的特点以及存在的主要问题,以促     

基于混合模糊Petri网的电力系统故障暂态识别方法

提出一种基于混合模糊Petri网(hybrid fuzzy Petrinets,HFPN)的电力系统故障暂态信号识别新方法。该方法将小波变换特征提取、模糊逻辑和模糊Petri网相结合构成混合模糊Petri网,有效解决了单一的模糊Petri网无法识别故障暂态信号的缺陷,也改善了原有识别方法推理过程不容易被人理解的不足。对故障发生后1/4个周期内的三相电流和零序电流,应用小波变换提取小波能量,再经过模糊推理系统得到模糊值作为特征量,最后应用模糊Petri网进行识别。大量PSCAD/EMTDC仿真试验结果表明:该故障识别方法能快速准确地识别各类故障暂态信号,识别速度快,并且以概率的形式给出发生各种故障的可能性;基于HFPN的图形化表示方法清晰直观,不受故障时刻、过渡电阻、故障位置等因素的影响,对噪声信号和不同线路都具有较好的适应性。     

基于模糊遗传神经网络的信息融合故障诊断技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性遗传算法,建立了一种模糊遗传神经网络。利用模糊遗传神经网络技术建立信息融合中心,对多传感器数据进行融合处理,通过多源互补信息减小故障诊断系统的不确定性。讨论了模糊遗传神经网络多传感器信息融合方法中数据处理、特征向量维数压缩与关联、归一化处理方法等。同时,对模糊遗传神经的构造以及学习训练等内容,也作了较为详细的讨论。并对模糊遗传神经网络信息融合技术应用于变压器状态的实时监测的应用前景进行了初步探讨。