计及警报信息时间特性的故障诊断模型

电力系统发生故障时的警报信息具有时间特性,如果能够充分与合理地利用这一特性,可以 提高故障诊断结果的准确性和加快诊断速度。但至今,还没有一个电力系统故障诊断方法能 够系统地处理警报信息的时间特性。以外展推理(abductive inference)和简洁覆盖集理 论(parsimonious set covering theory)为基础,对计及警报信息时间特性的电力系统故 障诊断问题做了一些初步的研究工作。采用时间图表示元件故障与警报信息及其时间特性之 间的关系,时间图中的节点表示警报信息,节点间的有向支路表示这两个节点所代表的警报 信息出现的先后次序。在此基础上,首次建立了描述这一问题的优化模型(0-1整数规划模型 ),给出了用Tabu搜索技术求解该问题的算法。最后,用一个简单的例子说明了所建立的故 障诊断模型的正确性和Tabu搜索方法的可行性。     

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。     

计及警报时序信息的电网故障诊断优化模型

现有的故障诊断解析模型没有充分利用警报信息的时序特性,诊断结果不够明确。对电网故障诊断优化模型中的故障假说进行扩展,用故障发生时间t代表元件的状态,故障发展过程中保护、断路器的状态均为故障发生时间t的函数,其状态值随着时间的发展而变化。此模型能够合理地描述现代电力系统多种保护配置下元件、保护、断路器连续的状态变化及保护和断路器的动作时序关系。最后用电力系统的故障实例对所提出的方法进行了说明。     

基于Petri网络计及警报信息时间特性故障诊断模型

电力系统发生故障时，警报信息具有时间特性，这一特性直接影响故障诊断结果的准确性和诊断速度，提出了一种计及报警信息时间特性故障树Petri网故障诊断模型和故障树表示方法，利用Petri网络描述了故障征兆与故障的关系，用故障树矩阵运算进行推理，比传统专家系统大大减少了诊断时间，提高了准确度，最后通过测试实例验证此故障诊断模型方法的快速，准确性。     

融合信息理论的电力系统故障诊断解析模型

保护与断路器动作的不确定性和警报信息的不确定性是实际电力系统故障诊断时需要考虑的主要问题。以电力系统故障诊断解析模型为基础,融合信息理论中的方法来解决这一问题。阐述了故障诊断的信息运动过程,在此基础上通过解析分析保护与断路器动作逻辑和警报信息之间的关系,发展了基于信息量损失最小的故障诊断优化模型,充分考虑了警报信号的不确定性。采用改进遗传算法求解。用浙江电力系统实际发生的故障案例说明了该方法具有较强的容错能力且诊断速度快,对于复杂故障案例,计算时间在1 s之内,满足在线故障诊断要求。     

基于时序因果网络的电力系统故障诊断

电力系统发生故障后的警报信息具有时序特性,如何适当利用这种时序特性以快速而准确地诊断故障是一个值得研究的重要问题。现有的具备实际应用潜力的故障诊断方法大多没有利用警报信息的时序特性。因果网络可以描述设备故障与保护和断路器动作之间的逻辑关系,且具有推理速度快、维护方便等优点。在此背景下,针对电力系统故障诊断问题的特征,首先对因果网络进行了扩展,引入了警报信息时序特性约束的概念,构建了一种新的时序因果网络;之后,提出了基于时序因果网络的故障诊断方法。所述方法在保留了因果网络原有特点的前提下,在一定程度上克服了其容错性较差和难以合理解释故障演变过程的不足。最后,用实际电力系统发生的故障案例对所提出的方法进行了说明。     

基于混合规则网络和警报时序特性的电力系统故障诊断

现有电力系统故障诊断方法大多基于保护和断路器状态信息,没有充分利用故障信息中的时序属性,对于多重故障或存在信息丢失或畸变等的复杂故障情况,有可能得不到明确的诊断结果,甚至可能得到错误的诊断结论。文中提出了一种基于混合规则网络的电力系统故障诊断方法。首先建立各元件的规则网络,生成故障假说最大集;之后,发展了计及警报信息时序特性的故障假说真实性评估模型,以确定故障元件和识别故障原因。这种方法可以充分利用事件顺序记录(SOE)设备中的开关量信息和故障录波中的模拟量信息,借助它们之间存在的因果关系和时序关系能够有效提高故障诊断的容错能力。最后,用实际系统发生过的故障场景说明了所发展故障诊断方法的可行性和有效性。     

基于时间约束Petri网的电网警报处理及故障诊断

充分利用警报信息的时序属性和保护断路器动作的逻辑规则,提出了一种基于时间约束Petri网的电网警报处理及故障诊断方法。介绍了电力系统警报信息间的时序关系,以及常见警报差错信息的分类。提出了时间约束Petri网方法,引入时间约束通路的概念,直观地表达了警报信息之间的时序属性。提出了警报差错信息的识别算法,有效地识别警报信息中的误报、丢失以及时序不一致等情况。对不考虑时间约束与考虑时间约束两种情况下的故障诊断结果进行比较分析。结果表明所提出的警报处理方法,更加精确地描述了故障警报信息间的逻辑关系,使故障诊断结果更加准确。     

序列模式挖掘在电力系统警报信息处理中的应用

提出了基于时间窗的序列模式挖掘算法,并将其应用于电力系统警报信息的智能处理,由此产生的规则可以补充故障诊断专家系统的知识库,为其提供警报间的时序规则知识,从而更加有效地指导电力系统的故障定位与诊断.通过一个算例说明了所提出的算法的可行性和有效性.     

只利用断路器信息诊断电力系统故障的高级遗传算法

本文研究了基于断路器跳闸时序信息的电力系统故障诊断方法。主要包括三个方面的工作：①首次构造了只利用在各类保护（如主保护、第一后备保护和第二后备保护等等）动作时段内断路器跳闸的分段时序信息识别故障元件的０－１规划模型。②提出了应用无源信息识别故障区域的方法，有效地把故障诊断问题局限于某（些）个小的局部网络之中，大大加快了故障诊断的速度。③探讨了高级遗传算法（ＲｅｆｉｎｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ──ＲＧＡ）在电力系统故障诊断中的应用，这种方法可以有效地求得多个全局最优解，很适用于解决电力系统复杂故障情况下的诊断问题。经算例计算表明，所发展的故障诊断的数学模型是正确的，采用的基于高级遗传算法的故障诊断方法有在线应用的潜力。     

基于覆盖集理论和Tabu搜索方法的电力系统警报处理

提出了基于覆盖集理论（ｓｅｔｃｏｖｅｒｉｎｇｔｈｅｏｒｙ）和Ｔａｂｕ搜索（Ｔａｂｕｓｅａｒｃｈ－ＴＳ）方法的电力系统警报处理的一种新方法，以覆盖集理论为基础，首先把电力系统警报处理问题表示为０－１整数规划问题，引入了一种新的评估指标，之后，提出用ＴＳ方法来求解这一问题，两个算例系统的计算结果证明，所发展的数学模型是正确的，提出的以ＴＳ为基础的方法比现有的遗传算法（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ－     

电网故障诊断的时间因果贝叶斯网模型

在使用保护和断路器的动作信息进行电网故障诊断时,这些警报的时序特性的加入能够给诊断提供更丰富的信息,使得诊断结果更准确。提出了电网故障诊断的时间因果贝叶斯网模型,采用模糊方式对时间因果关系进行离散化处理,采用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。     

基于时序约束网络的电力系统在线警报处理解析模型

现有电力系统警报处理方法完全没有利用或没有充分利用警报的时序特性.在人工智能研究领域发展起来的时序约束网络是一种能够清晰而直观地表示时序逻辑的有向无环图,适于解决计及警报信息时序特性的警报处理问题.在此背景下,构建了充分利用时序信息的警报处理解析模型.该模型不仅能够分析导致警报产生的具体事件以及该事件所在的时间区间,而且可以识别异常或遗漏的警报.基于时序约束网络中时间点和时间距离约束等相关概念,研究了事件发生时间的不确定性问题,避免了现有的计及时序特性的模型必须对时间精确定义的缺点.最后,用实际电力系统的警报处理案例对所提出的模型和方法进行了说明.     

利用电气量和时序信息的改进Petri网故障诊断模型

现有的电力系统故障诊断模型在利用多渠道、多方位的测控信息方面,大多采用决策级别的信息融合,在信息冲突或不完整时有可能导致误判;对时序信息的利用一般局限于对信息的初步筛选,未能充分利用时标偏差与信息准确程度之间的关联性。在此背景下,以现有模糊Petri网故障诊断模型为基础,对多源信息进行融合分析,充分利用设备遥信动作事件的顺序记录(SOE)、由广域测量系统得到的电气量信息以及这些信息所包含的时序特性,建立了一种考虑时序信息的多源Petri网故障诊断模型。所发展的故障诊断模型通过利用时序信息对保护设备动作事件进行置信度评价,利用多源信息的冗余度对所缺警报信息进行补充并校验所收到的警报信息的正确性,可以有效提高故障诊断的准确度和可靠性。最后,采用南方电网和江苏电力系统发生过的实际故障案例对所建立的故障诊断模型进行了验证。     

灾害天气条件下电力系统故障诊断特征匹配方法

灾害天气会导致电力通信系统的可靠性降低, 警报信息在通信过程中发生畸变的可能性上升, 进而增加对停电区域内元件准确识别故障的困难。现有研究表明, 通过对线路发生故障期间的外部环境数据进行分析可得到该线路的故障风险程度, 但此信息尚很少被用于故障诊断之中。在此背景下,提出一种利用外部天气环境信息进行故障特征匹配的电力系统故障诊断方法。首先, 利用故障期间采集得到的外部环境信息根据灰色模糊理论得到线路综合故障概率。然后, 在现有的电力系统故障诊断解析模型（优化模型）的目标函数中增加外部环境故障特征匹配指标, 对与灾害天气相关故障特征不匹配的故障假说进行惩罚。接着, 利用模拟退火遗传算法对改进的解析模型进行求解。最后, 针对广州市局部电网的故障案例进行仿真测试,结果表明所提的改进故障诊断方法对通信故障的容错性强;此外,还比较分析了考虑与不考虑外部天气环境影响时的诊断结果及差异原因。     

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。     

基于时间序列相似性匹配的输电系统故障诊断方法

输电系统发生故障后的警报信号具有丰富的时序信息,若能充分利用则会有助于快速和准确地诊断故障。调度中心采集到的故障警报包含了统一时标基准的时序信息,从而构成了时间序列。在此背景下,将时间序列的数据挖掘概念与相关方法引入输电系统故障诊断之中,提出了基于相似性匹配的故障诊断方法。首先,介绍了时间序列的概念及其相似性匹配方法。随后,将这种方法进行了改进并应用于输电系统故障诊断,构造了相应的时间序列模型,定义了时间序列距离,采用子序列匹配查询方法求解,并与近年来提出的两种输电系统故障诊断方法进行了比较分析。所提出的方法利用警报信息序列的时序特征,对于复杂故障、相继故障等情形仍能迅速识别警报漏报/误报等情况,正确诊断出故障元件与故障类型,并对继电保护装置进行评价。最后,用两个实际案例说明了所提出的故障诊断方法的可行性与有效性。     

电力系统故障诊断的机会约束规划模型与方法

以现有的电力系统故障诊断解析模型为基础,引入机会约束规划来处理故障诊断过程中可能出现的保护/断路器拒动或误动、警报漏报或误报等不确定情况,提出了电力系统故障诊断的机会约束规划模型与方法,并采用基于蒙特卡洛仿真的遗传算法进行求解。该模型充分考虑了诊断过程中不确定性因素出现的可能性,能够适当处理保护/断路器拒动或误动、警报漏报或误报等情况,具有较强的容错能力。最后,用实际电力系统发生过的故障案例对所发展的解析模型和方法进行了仿真测试,得到了与实际故障情况一致的结果,且计算速度满足在线应用的要求。     

含电气量信息的电力系统故障诊断解析模型

现有的电力系统故障诊断解析模型采用的信息源比较局限,信息冗余度不大,在复杂故障情况下难以得到明确的故障诊断结果。随着以相量测量单元(PMU)为基础的广域测量系统(WAMS)的发展,实时获取准确的系统电气量信息逐步成为可能。在此背景下,发展了能够利用电气量信息的电力系统故障诊断解析模型。首先,利用故障后的断路器状态与电气量快速确定故障区域;然后,对现有的解析模型作了进一步发展,以充分利用电气量信息,并对所发展的优化模型采用遗传算法求解。最后,用算例说明了所发展模型的可行性。仿真结果表明,所提出的方法具有较强的容错能力,可以处理保护和断路器误动/拒动情况以及警报丢失或错误情况。     

基于径向基函数神经网络和模糊积分融合的电网分区故障诊断EI北大核心CSCD

为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。