高压断路器故障诊断专家系统中快速诊断及新知识获取方法

高压断路器是电力系统关键设备之一，对其进行快速故障诊断对于事故发生后快速寻找故障发生的原因，解决事故源，确保电力系统迅速恢复正常运行有重要的意义。通过改进广义径向基人工神经网络(RBF)算法，使其具有快速故障诊断和网络自更新能力，并应用于断路器在线故障诊断专家系统。专家系统通过神经网络处理在线监测装置传送的故障数据，得到故障类型编码，利用该编码通过正向推理从知识库中找出对应的故障类型，并给出合理的故障解决办法。同时，利用神经网络的自更新能力和与专家系统的配合，专家系统还具有新知识的获取能力。     

分布式变电站设备音频指纹特征采集和诊断分析系统

本文介绍了一种基于ARM的分布式变电站设备音频指纹特征采集和诊断分析系统,该系统由一个或多个音频采样模块和一个集控中心组成。音频采样模块具有小型化、模块化、易安装的特点,对所监测的变电站设备布局、空间结构等没有特殊要求,依靠简易支架固定在目标区域内,主要通过声音传感器获取设备及环境音频,通过高速网络将音频数据传输到集控中心,集控中心诊断分析系统利用融合卷积神经网络和聚类分析算法的多层音频特征诊断模型对音频样本进行诊断分析,以获取设备及环境实时状态,并对诊断信息进行实时记录和存储,可以有效实现设备故障预警和故障定位。通过在实际变电站环境下安装采集诊断系统并开展长期系统验证测试,表明本文设计的方案性能稳定,功能完善,具备实用价值。     

基于神经网络的火电机组运行诊断专家系统

在SIS平台上，融合神经网络和模式识别等技术，设计出由网络规则编辑器和神经网络推理机等构成的火电机组运行诊断专家系统。通过详细的故障仿真试验，运用该系统对660MW机组进行了诊断实例分析，获得了良好的故障识别效果。     

报警触发式故障自诊断专家系统的研发

针对目前电站故障诊断专家系统均以周期触发诊断为主,提出了一种基于报警状态触发的自诊断专家系统。通过故障机理分析获取故障类型与主要征兆,采用层次分析法得出具体的诊断推理策略,基于故障诊断软件模块实现系统功能,对专家系统在动态故障诊断领域中的应用具有参考价值。     

基于预警单元的逆变器并联系统分层故障诊断系统

随着逆变器并联系统规模的增大,电源系统对故障诊断提出了新的要求.结合逆变器并联系统故障诊断的特点,对所存在的问题进行了分析,并通过新的应用思路,将神经网络和专家系统应用到逆变器并联系统的故障诊断中.提出并定义了故障预警的一系列相关概念,设计了预警单元的工作结构.在此基础上提出了一种新的基于故障预警单元的分层故障诊断专家系统,详细阐述了故障预警单元的实现以及诊断系统的工作原理.通过原理分析及仿真结果可以看出,提出的方法对神经网络和专家系统在故障诊断中的有效应用具有很好的推动作用和一定的指导意义.     

基于BP神经网络和专家系统的变电站报警信息处理系统

对BP神经网络的容错性进行了研究,将网络的容错能力与测试样本所形成的模糊区的 大小相对应,通过消除模糊区来提高网络的容错能力。针对南昌500 kV变电站自动化系统, 开发了变电站的实时故障诊断系统。该系统以3层前向BP网络作为故障诊断的核心部分,以 开关动作信息、保护动作信息等作为人工神经网络的输入。同时结合专家系统,利用其推理 判断能力,对变电站运行方式进行识别,并对神经网络的某些输出结果进行必要的修正。     

基于神经网络的MOA故障诊断专家系统模型的探讨

分析了神经网络专家系统用于故障诊断的基本原理。针对MOA故障诊断的特点,提出了一种基于神经网络和专家系统的MOA故障诊断模型。     

模糊神经网络专家系统在动力锂电池组故障诊断中的应用

动力锂电池故障的产生原因具有一定的复杂性和不确定性。为此,提出一种基于模糊神经网络的故障诊断专家系统,该方法结合了模糊数学,神经网络以及专家系统的优点。用模糊数学可以将症状模糊化以表征故障的隶属度、神经网络具有良好的自学习能力、专家系统具有推理能力强,三者的相互结合,即提高了系统的准确性和可操作性,又满足了对故障诊断智能化、自动化的要求。试验结果表明该方法可以准确的判断出系统的故障,不仅将故障检测的精度提高到,预测误差在之间,而且检测时间大大缩短。提高了动力锂电池的自适应能力,自主学习能力,为动力锂电池故障诊断提出了一种科学高效的新方法。     

牵引变电站故障的基于模型诊断方法

现有牵引变电站所应用的故障诊断系统多是基于专家经验的专家系统,但是基于经验的专家系统不能诊断经验之外的故障,系统的移植和维护也比较困难。提出一种牵引变电站故障的基于模型诊断方法。该方法的系统模型知识在牵引变电站设计阶段就可获得,通过引用候选最小冲突集概念,将基于模型的诊断方法应用于牵引变电站主要电气设备的故障诊断,可以直接利用量测量来判断故障元件。最后,以一个实际自耦牵引变电站诊断为实例,通过对该系统的建模、编程和实验,取得了良好的效果,验证和讨论了该方法的可行性和有效性。     

通用变电站图形编辑系统的研究

介绍为变电压计算机事故仿真培训专家系统的图形编辑系统。本图形编辑系统是一个开放式系统,由元件类编辑模块、变电站主控制室平面布置图设计模块和屏编辑模块组成。它不仅可以满足绘制变电站控制屏和保护图形的需要,也可以根据图形生成相应的知识表示,从而满足事故现象仿真的要求,同时也为实现变电站事故仿真培训专家系统的通用性和可维护性奠立基础。     

电力系统故障诊断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力 系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向BP网络作 为 故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方 案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用 专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神 经网络的电力系统故障诊断系统具有更好的性能。     

基于组件对象模型的变电站操作票专家系统

利用专家系统自动生成内容完全正确，并符合运行生产要求的操作票，已成为运行人员的广泛要求，但是目前在操作票专家系统的开发过程中，软件重用少，生产效率低，针对这一现状，提出了基于组件对象模型的变电站操作票专家系统的建造思想，通过对操作票专家系统通用性问题，可维护性问题及软件重用模型的研究，把操作票专家系统分解成不同的通用推理模块，形成一个动态推理机，这就改进了软件开发过程中的重用问题，提高了专家系统的通用性和可维护性。     

智能变电站二次设备缺陷分析专家 系统的研究与应用

为了对智能变电站二次设备的性能进行正确评估和对运维管理提供可靠依据,研究了智能变电站二次设备的性能评估技术。针对可能的影响因素和从运行反馈的实际问题,选取了智能变电站二次设备性能评估指标体系的主要方面进行了分析,按照不同类型设备的特点,分别补充并最终建立各自的性能评估指标体系,提出基于ANN的专家系统理论。在基于ANN的专家系统理论的基础上,设计了多模块协同互动的变电站故障信息分析决策系统,实现了变电站故障的自动和辅助决策处理,对电力系统的安全稳定运行有着重要的参考价值。     

故障树和BAM神经网络在光伏并网故障诊断中的应用

介绍了光伏并网发电系统的主要故障模式及故障原因,以及故障树(FT)的理论和双向联想记忆(BAM)神经网络的结构与学习算法。针对光伏并网系统工作过程中可能出现的故障,提出一种将故障树和双向联想记忆神经网络融合在一起的故障诊断方法。通过故障树分析法(FTA)得到系统的所有故障模式,然后再由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式与故障分析之间的对应。通过光伏系统故障诊断的实验与应用,结果表明,该方法具有很好的实时性和有效性。     

变电站智能现场报警装置的研究设计

为保证变电站检修人员及时获取变电站当前运行状态,设计了一种适用不同变电站通信方式下的事故声光报警装置。该装置由基于MCS-51系列单片机的控制电路模块、DC-DC电源模块、故障信号采集模块及声光报警模块构成。报警装置可以通过开关量读取或者以太网通信经IEC 60870-5-101或CDT规约解析出故障信号。该报警装置已在某220 k V变电站测试使用,可以可靠反映变电站断路器状态,在故障发生时提醒工作人员停止工作并做出故障处理措施。     

数字化变电站中闭锁逻辑自动生成专家系统

IEC 61850中提出的变电站配置语言SCL是变电站专用描述语言,变电站配置文件SCD实现了对变电站一次系统拓扑、功能拓扑和通信拓扑的完整描述。提出了一种适用于数字化变电站的闭锁逻辑自动生成专家系统,以SCD文件为输入并从中获取变电站一次拓扑信息,基于专家系统开发工具CLIPS实现逻辑推理,采用面向对象的知识表示方法。系统中知识库独立于推理机,并实现了领域规则和控制规则的分离,这些使得本专家系统具有良好适应性并易于维护。通过大量典型变电站主接线的验证,证明了本专家系统的正确性和可行性。     

小波神经网络嵌入专家系统的短期电力负荷预测

小波神经网络是一种新兴的电力负荷预测方法。研究了小波分析与BP神经网络相结合的小波神经网络,利用小波变换对负荷样本做序列分解,得到不同尺度下的小波系数,然后对小波系数进行阈值选择,由BP神经网络对作用阈值后的小波系数进行预测。同时总结历史负荷数据长期的发展变化规律,汲取专业人员的经验知识,形成一系列的相关规则,模拟人类专家的推理和判断过程,从而形成专家系统。最后使用专家系统对小波神经网络预测数据进行修正,得到预测结果。通过陕西汉中电网负荷数据,很好地实现了在小波神经网络中嵌入专家系统的方法,同时提高了预测精度。     

基于故障历史数据和BP神经网络的接地选线方案研究

针对我国仍大量存在变电站未安装接地选线装置,电网发生单相接地故障时当值调控员人为试停缺乏科学方法的问题,分析小电流接地系统发生单相接地故障的特征,提出了基于故障历史数据和BP神经网络的接地选线方案生成方法,使用变电站配出线路发生单相接地故障的历史数据训练BP神经网络,当该变电站再次发生单相接地故障时利用BP神经网络给出...     

基于生成对抗网络和深度残差神经网络的变电站异物检测

变电站电力巡检能够保证变电设备安全运行,及时发现潜在危险和隐患。传统方法主要依靠人工完成,需要较多的人力物力,并且由于变电站异物入侵的偶然性和突发性,传统方法很难预测发生的时间和地点。针对该问题,提出了基于生成对抗网络和深度残差神经网络的变电站异物检测技术。利用深度残差神经网络提出图片的特征,结合区域推荐网络和池化分类器实现目标的分类和定位。利用生成对抗网络生成样本扩充训练数据库,提升了网络的学习能力。最后利用真实变电站的图片数据进行测试,提出的方法具有较高的异物识别准确度,并且比较了不同种类不同数目的训练集,验证了通过生成对抗网络扩充样本的有效性和可行性。     

基于深度学习的智能变电站通信链路故障定位方法

针对智能变电站通信链路故障定位因链路复杂导致排查效率低的问题，提出了基于深度学习的智能变电站通信链路故障定位方法。从智能变电站二次装置网络拓扑出发，构建网络连通矩阵并作为基准，提出了通信链路故障情形下的故障特征表征方法；进一步基于二次装置连接与运行状态之间的逻辑关系，构建全站故障样本集；应用改进卷积神经网络（CNN），搭建智能变电站通信链路故障定位模型，最终通过后台信息初步判定的故障间隔信息与模型输出结果共同实现故障链路精确定位。以220kV智能变电站部分间隔为例，构建故障样本集，通过结果分析对比了不同定位方法，对比结果表明所提定位方法具有较高的准确率。