基于IEC 61850的电网故障诊断完全解析化建模

电网故障诊断完全解析模型在对故障诊断规则进行解析的过程中,完整保留了电网元件、保护动作和断路器跳闸之间的逻辑关系,有很好的容错能力和应用前景。文中基于IEC 61850标准,提出一种利用变电站系统配置描述文件(SCD)构建电网故障诊断完全解析模型的方法。该方法通过解析变电站系统配置描述文件,获取系统元件的保护配置信息和保护动作与断路器跳闸的逻辑关系,再结合电网拓扑信息,可在线生成电网故障诊断的完全解析模型。最后,通过一个复杂故障的诊断算例证明了该建模方法的可行性,可望用于在线故障诊断。     

电网故障诊断完全解析模型的解集评价与最优解求取

电网故障过程中保护和断路器的动作及其动作告警存在不确定性,致使基于电网保护规则解析的故障诊断模型存在多解问题,如何快速有效地求取最优解是电网故障诊断解析模型实用化的关键。针对此问题,提出一种求取电网故障诊断解析模型最优解的方法,通过解析保护和断路器动作的不确定性和告警信号的不确定性,构建完全解析模型的解集评价指标,将故障诊断问题转换为求取完全解析模型最优解的数学规划问题,然后利用保护和断路器的拒动、误动概率以及告警信号的误报和漏报概率等先验知识,采用随机优化算法求取最优解,并从最优解导出诊断结论。故障诊断算例和实际故障案例的诊断验证了所提出的完全解析模型求解方法的有效性以及相应故障诊断方法的容错性和实用性。     

计及保护和断路器误动与拒动的电力系统故障诊断解析模型

当电力系统一次设备发生故障时,如果发生保护和/或断路器拒动或误动的情况,则会导致停电区域扩大,进而增加故障诊断的复杂性.现有的电力系统故障诊断解析模型是在保护和断路器正常动作的基础上建立的,没有系统地考虑其误动或拒动的情况.在此背景下,以现有的电力系统故障诊断解析模型为基础,通过系统地计及保护和断路器发生误动与拒动的可能性,发展了故障诊断问题的新的数学模型.该模型不仅能够诊断出故障设备,还可以识别出误动或拒动的保护和/或断路器以及漏报或误报的警报.开发了相应的实用软件系统,并用实际电力系统发生的故障案例进行了仿真测试.     

运用时序贝叶斯知识库的电网故障诊断方法

电网故障时有大量报警产生,充分利用报警信号及其时序信息,处理好保护与断路器误动、拒动、信息缺失等不确定性情况,对于电网故障诊断显得非常重要。时序贝叶斯知识库(temporal Bayesian knowledge bases,TBKB)能够清晰表达多个事件之间的时序约束关系,并具备贝叶斯网络的推理能力。建立了基于TBKB的电网故障诊断模型,提出了元件故障与保护动作、保护动作与相应断路器跳闸等之间的时序因果关系(TCR)表达、时序约束一致性检查方法。根据电网结构,可先在线搜索出疑似元件,再对它们自动构造TBKB模型。针对信息缺失节点的状态进行假设,形成假设状态组合。针对这些状态组合,通过贝叶斯反向、正向推理,可判断故障元件,误动与拒动的保护与断路器。多个算例验证了该方法的有效性。     

基于保护信号的隐性故障检测

目前尚缺乏有效的继电保护装置隐性故障检测方法,因此提出了一种基于保护信号解析模型的隐性故障检测方法。该方法根据保护启动、保护动作、断路器跳闸、故障位置信号之间的逻辑关系,以及主保护和后备保护之间的配置规则,并考虑线路三段保护、拒动误动等情况,构建描述各信号之间关联的解析模型。将信号的实际状态和期望状态的最大匹配作为优化目标,利用优化结果检测隐性故障。算例分析结果表明了该方法的有效性。     

基于时序贝叶斯知识库的电网故障诊断软件原型系统设计

为了在故障后辅助调度员准确定位故障元件,揭示故障发展过程,文中利用时序信息设计了一种基于时序贝叶斯知识库(TBKB)电网故障诊断方法的原型系统。该诊断方法利用元件故障与保护动作、保护动作与相应断路器跳闸等之间的因果关系与时序关系,建立电网故障诊断模型,通过时序约束一致性检查方法,检查保护、断路器动作的时序。针对信息缺失情况进行状态假设,形成假设状态组合。通过贝叶斯推理,判断故障元件、误动与拒动的保护与断路器。根据此原理设计的原型系统,包括数据获取、TBKB模型建立、故障诊断推理、分层因果图显示等模块,给出了TBKB诊断模型自动生成、诊断算法实现、分层因果图的构造与显示等关键技术的实现。该原型系统为电网故障诊断的工程应用提供了参考。     

基于贝叶斯网络的电网复杂故障推演新方法

为了分析电网复杂故障过程,基于保护装置与断路器的动作信息构建贝叶斯网络,提出了电网复杂故障推演新方法。应用电网实际拓扑结构信息、继电保护装置和断路器的动作信息构建贝叶斯网络。基于贝叶斯网络进行故障元件诊断,针对远后备保护、近后备保护误判的两种特殊情况,制定了专家系统规则实现保护拒动、误动的识别。将保信系统上送信息与拒动误动分析结果按主保护层-近后备保护-远后备保护-断路器层顺序进行信息整合,推演出发生故障时各层保护装置以及断路器动作先后顺序,实现了电网复杂故障推演。     

一种改进的电网故障诊断解析模型研究

针对保护或断路器出现拒动条件下,保护期望动作状态计算结果与实际动作逻辑间可能出现失配的原因进行了分析。通过计及主保护、近后备保护、远后备保护和断路器失灵保护间相互制约关系,给出了一种电网故障诊断模型解析规则的改进方法。仿真算例表明,所提方法能够提高故障诊断模型目标函数的计算精度,获得更加合理的故障诊断结果。     

考虑三段式线路保护主保护范围的电网故障诊断解析模型

当电力系统中的线路发生故障时，如果线路主保护没有发生动作，则会被认为拒动，系统将付出主保护拒动的代价。为避免主保护被认为拒动的情况，准确判断主保护的动作，提出了一种考虑三段式线路保护主保护范围的电力系统故障诊断解析模型。该模型依据线路首末两端主保护的保护范围，将线路分成3部分，并对这3部分的保护动作逻辑表达式进行细化描述，再与母线和变压器的解析模型相结合建立完整的电力系统故障诊断解析模型。并利用改进后的粒子群优化算法(particle swarm optimization,PSO)对电网中实际的故障案例进行仿真验证，证明该模型能够有效地解决线路主保护被认为拒动的情况，且实现了对电力系统故障的准确诊断。     

一种基于DS证据理论的电网故障诊断方法

提出的基于DS证据理论的电网故障诊断方法可解决由不知道所引起的不确定性.确立电网故障诊断的识别框架后,基于贝叶斯方法实现DS证据的表达,应用Dempster法则得到合成的信度函数,以此判断电网故障元件.基于Matlab编程实现了该算法,分析了单重故障且保护与断路器工作正常,单重故障伴有保护误动与断路器拒动,多重故障伴有保护、断路器误动与拒动三种典型故障情况.算例测试结果表明该方法能够有效地识别故障元件.     

基于遗传算法的电力系统故障诊断的解析模型与方法──第一部分 : 模型与方法

本文共分三部分。第一部分发展了电力系统故障诊断的解析模型与基于遗传算法的方法;第二部分首先提出了用计算机自动形成故障诊断的目标函数的方法,这是实现在线故障诊断所必需的。之后介绍了为浙江省电力局开发的在线故障诊断实用软件的组成与功能;第三部分介绍了将该软件应用于浙江省２２０ｋＶ以上电力系统时其ＥＭＳ信息的获取方法及模拟在线测试结果。这里是第一部分,着重介绍了所发展的同时利用保护和断路器信息的故障诊断的解析模型。其在数学上是一个无约束０－１整数规划模型,借助于充分利用断路器的跳阐信息。这种模型在一定程度上解决了保护信息不完整时的电力系统的故障诊断问题。之后,概述了利用实时网络拓扑分析方法识别故障平息后的停电（故障）区域的方法,从而可将故障诊断局限于这些小的停电区域之中,以大大节省计算时间。此外,还简要介绍了用遗传算法求解故障诊断问题的基本步骤。     

电网故障诊断解析模型的改进二进制增益共享知识算法求解

针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题,提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先,根据故障诊断规则,构建一种包含完备故障信息的完全解析模型。其次,将离散工作机制融入改进算法的种群更迭中,以避免发生空间脱节。然后,结合进化种群动力学思想(evolutionary population dynamics, EPD),引入一种自适应交叉算子,以提高种群质量和增强算法的全局寻优能力。最后,通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明：IBGSK算法相较于其他优化算法,在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力;在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。     

基于遗传算法的电力系统故障诊断的解析模型与方法──第二部分 : 软件实现

在本文第一部分所发展的故障诊断的解析模型与方法的基础上,首先提出了由计算机自动形成故障诊断的目标函数的方法,这是实现电力系统在线故障诊断所必需的。之后,介绍了为浙江省电力局开发的电力系统在线故障诊断实用软件的构成与主要功能。     

计及警报信息时序特性的电网故障诊断解析模型

现有的故障诊断解析模型没有利用警报信息的时序特性,对于复杂的多重故障,诊断结果可能有2个甚至多个解,不够明确。文中通过提出动态关联路径的概念,构造了能够充分利用警报信息时序特性的电力系统故障诊断的一种新解析模型,能够合理地描述现代电力系统多种保护配置下保护和断路器的动作时序关系,对于复杂故障可以得到更为明确的诊断结果。最后用实际电力系统所发生过的故障对所提出的方法进行了说明。     

一种基于特征空间矢量的故障诊断方法

提出了一种基于特征空间矢量的故障诊断方法。该方法物理意义明确,可以通过对故障诊断误差的学习,实时修正故障模型,实现对不确定性和慢时变性对象的鲁棒故障诊断。在对象故障先验知识不完备的情况下,能够通过学习逐步建立对象完善的故障诊断模型。还可以对诊断模型的故障可分离度进行评判,为优化征兆信号选取提供条件。示例表明,该方法能适用于具有不确定性和慢时变性的复杂民对象的故障诊断。     

基于SDAE-VPMCD的变压器故障诊断方法研究

为解决传统变压器故障诊断存在监测大数据、小样本分类效果差等问题,提出基于变量预测模型(VPMCD)和堆栈降噪自编码(SDAE)的故障诊断方法。首先,采集变压器油色谱数据,并进行归一化处理;其次,对堆栈降噪自编码网络进行逐层训练学习,获取数据的高层特征表示并确定网络结构参数;然后,训练变量预测模型中四种数学模型,获取故障类型的最佳模型及相关参数;最后,采用少量有标签数据对整个模型进行微调,确定最优网络参数完成故障诊断。实验结果表明,该混合模型识别精度较高,可扩展性和鲁棒性较强。     

一种基于模型模拟电路模糊故障诊断方法

文中提出了一种基于模型的模拟电路故障诊断方法。它以节点电压为测试量,将元件故障及节点的故障电压模糊化,根据电路的拓扑结构,以节点为基点,以节点电压传递为纽带建立模拟电路的故障模型,以模拟贴近度为判断依据来进行故障诊断和选择最佳测试点,并将测试得到的新的信息不断吸收进去,从而快速而有效地诊断出故障,它利用了模糊量的冗余性,克服了容差的影响,不仅能对硬故障,而且对软故障都能较好地定位到元件级,同时又可在线或离线诊断,文中给出了一个直流电路故障诊断的实例,所得的结果是令人满意的。     

三电平逆变器的决策树SVM故障诊断

针对二极管箝位型三电平逆变器的开路故障诊断问题,提出一种基于决策树支持向量机(decision tree support vector machines,DT-SVM)的故障诊断方法。以逆变状态为例,首先分析逆变器主电路的运行情况并进行故障分类,然后以中、上、下三种桥臂电压为测量信号,采用小波多尺度分解法提取特征信号,进而利用粒子群聚类算法(particle swarm clustering algorithm)生成决策树SVM分类模型,最终实现了三电平逆变器的多模式故障诊断。仿真结果表明,本方法在使用了较少分类模型的情况下完成故障诊断任务,相较于BP神经网络、一对一结构的支持向量机和极端学习机等方法,在10%白噪声扰动下对于三电平逆变器多模式开路故障的诊断精度可达98.46%,算法具有更好的准确性和鲁棒性。     

基于粗糙集理论的电力设备故障诊断方法

电力设备的故障诊断可以看成一个模式分类问题,每一个电力设备故障对应一组特征集。笔者提出了根据电力设备故障案例的故障状况和故障的相关检测参数,建立故障诊断决策表(即“知识库”),并以决策表为主要工具,采用粗糙集理论方法,直接从故障样本集中导出诊断规则,为电力设备提供有效的故障诊断。采用这一方法,在通过信息网络实现远程诊断等过程中,在用户所获取的故障参数信息数据不完备的情况下,有可能为电力设备故障诊断服务提供一条新途径。