一种基于数据挖掘技术的继电保护故障信息处理系统

随着电力系统自动化程度的提高,呈现在决策人员面前的是海量的数据,但是这些丰富的数据却隐藏着知识贫乏的危机。近年来出现的数据挖掘技术,能自动和智能地把海量数据转化为有用的信息和知识。文章介绍了在继电保护故障堡里竺兰量誓中的数据挖掘模型,对数据的预处理进行了概述;针对诊断所依据实时信息在其形成和传递过程中有可能产生信息的畸变,提出了运用基于粗糙集理论的数据挖掘技术。     

基于事件序列数据挖掘原理的高压输电线系统故障诊断:(二）仿真和容错性能分析

在基于事件序列(SOE)数据挖掘原理的故障诊断模型与方法的基础上,提出了将基于事件序列的数据挖掘原理故障诊断模型用于高压输电线系统(HVTLS)故障诊断领域.分析了故障诊断模型中变异故障模式的种类及其对故障诊断策略的影响,阐述了基于SOE的数据挖掘HVTLS诊断模型和功能模块的构造.依据输电系统故障事件序列在时空特性的关联性,用动态规划算法的优化相似性原理挖掘事件序列之间的关联性和蕴涵的知识,将诊断问题的求解转化为寻找与实时故障事件序列模式最相似的、运算操作代价最小的标准故障事件序列模式.以实现对变异事件序列模式中畸变事件的"复原"和纠错,从而确保故障诊断系统的高容错性.     

基于事件序列数据挖掘原理的高压输电线系统故障诊断:(二）仿真和容错性能分析

在基于事件序列（SOE）数据挖掘原理的故障诊断模型与方法的基础上，提出了将基于事件序列的数据挖掘原理故障诊断模型用于高压输电线系统（HVTLS）故障诊断领域。分析了故障诊断模型中变异故障模式的种类及其对故障诊断策略的影响,阐述了基于SOE的数据挖掘HVTLS诊断模型和功能模块的构造。依据输电系统故障事件序列在时空特性的关联性，用动态规划算法的优化相似性原理挖掘事件序列之间的关联性和蕴涵的知识，将诊断问题的求解转化为寻找与实时故障事件序列模式最相似的、运算操作代价最小的标准故障事件序列模式。以实现对变异事件序列模式中畸变事件的“复原”和纠错，从而确保故障诊断系统的高容错性。     

基于模糊粗糙集数据挖掘的汽轮机组故障诊断研究

针对当前专家系统知识获取瓶颈的难题,提出了基于模糊粗糙集数据挖掘的汽轮机组故障诊断方法。模糊粗糙集理论把知识直接与真实或抽象世界有关的不同模式联系在一起,能有效分析处理不精确、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。将汽轮机组故障历史数据进行模糊化及离散化处理,构建故障诊断决策表,以决策表作为主要工具,即"知识库",采用模糊粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为汽轮机组提供有效的故障诊断。提出了基于模糊粗糙集的分类规则学习和约简算法,实现了基于模糊粗糙集数据挖掘的汽轮机组故障诊断系统,其诊断正确率达到了88%。实验表明该方法可行,对汽轮机组故障诊断系统的设计具有借鉴意义和深入研究的价值     

数据挖掘技术在电力设备故障诊断中的应用

电力设备运行状态信息具有海量、复杂性以及不完整的特点,给设备故障诊断带来了不小的困难。本文提出一种将粗糙集理论与朴素贝叶斯相结合的数据挖掘方法,通过粗糙集求取故障诊断最小属性约简集,并在此基础上利用朴素贝叶斯计算设备发生各种故障的概率,从而得出诊断结果。最后进行了变压器故障实例分析,诊断结果证明该方法的正确性和有效性。     

基于粗糙集和RBF神经网络的变压器故障诊断方法研究

针对变压器故障诊断神经网络模型存在网络结构复杂、训练时间长等问题,提出基于粗糙集及RBF神经网络的变压器故障诊断方法。运用粗糙集理论中无决策分析,建立基于可分辨矩阵和信息熵的知识约简算法,进行数据挖掘,寻找最小约简;以处理后的数据集合作为训练样本,采用高斯函数作为径向基函数,分别求解方差及各层权值,建立变压器故障诊断模型。通过测试对比,此算法虽然略微降低诊断正确率,但网络结构简单、训练速度快、泛化能力强,对提高神经网络在变压器故障诊断中的应用性能有较好的指导意义。     

（2期已排）分级供电系统单相接地故障诊断技术的研究

分级供电系统发生单相接地故障后,一级变电站和二级开闭站都会动作选线,大量的警报信息容易造成调度人员误判。文章提出了基于粗糙集理论的单相接地故障诊断技术,利用粗糙集理论的数据约简能力,有效整合具有相关性的信息,同时消除冗余信息,提高识别信息的快速性。另外利用粗糙集理论较强的容错能力,在诊断过程中,自动滤出并修正矛盾信息,提高诊断的准确性。设计了实用化的单相接地故障诊断系统,通过现场实际应用数据分析,充分验证了诊断技术的正确性。     

基于粗糙集数据挖掘的汽轮机故障预报及诊断研究

针对当前专家系统知识获取瓶颈的难题,提出了基于粗糙集数据挖掘的汽轮机故障预报及诊断方法。粗糙集理论把知识直接与真实或抽象世界有关的不同模式联系在一起,能有效分析处理不精确、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。将汽轮机故障历史数据首先进行模糊化及离散化处理,然后构建故障诊断决策表,以决策表作为主要工具,即“知识库”,采用粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为汽轮机提供有效的故障诊断。提出了基于粗糙集的分类规则学习和约简算法,实现了基于粗糙集数据挖掘的汽轮机故障预报及诊断系统,其诊断正确率达到了88%。实验表明该方法可行,对汽轮机故障预报及诊断系统的设计具有借鉴意义和深入研究的价值。     

基于数据挖掘技术的SF6气体分析和故障诊断研究

首先介绍了数据挖掘技术中的粗糙集理论和模糊化神经网络,然后尝试了数据挖掘技术在SF6气体分析和故障诊断中研究。利用基于粗糙集的模糊化神经网络,通过对SF6设备故障和检修记录中的SF6数据进行挖掘处理,建立了SF6运行状态中各种气体成分之间的直观联系。重点探索数据挖掘技术在设备运行状态诊断中的应用研究。研究表明,数据挖掘技术在电力系统中具有很好的应用前景。     

基于事件序列数据挖掘原理的高压输电线系统故障诊断:(一)模型与算法

基于事件序列(SOE)数据挖掘(DM)原理的高压输电线系统故障诊断的研究分两部分，该文是第一部分：模型与算法；第二部分是仿真和容错性能分析。根据电力系统发生故障时形成具有时空特征的离散SOE信息，提出了基于事件序列DM原理的故障诊断模型的构造和实现方法。用动态规划算法的相似性优化原理,对实时信息序列中含有畸变信息的SOE与标准的SOE集合之间进行编辑距离运算、运算代价、置信度来完成相似性度量的操作，可由挖掘事件之间的蕴涵的关联性，发现知识和进行信息纠错。所提出方法的重要实质是把故障诊断问题的求解转化为寻找与实时故障SOE模式最相似的、运算操作代价最小的标准故障SOE模式，从而纠正SOE中的变异事件，确保诊断的高容错性能。     

基于改进LBG算法RBF网络的高压输电线路故障诊断

利用径向基函数RBF网络适合于求解模式识别问题的优势,提出采用RBF网络来实现高压输电线路的故障诊断,建造了基于RBF网络的高压输电线路故障诊断模型结构,并且对RBF网络的聚类过程给出了改进的LBG算法.仿真分析及容错性测试结果表明,本文所提方法能快速、正确地实现高压输电线路的故障诊断,而且对因干扰而畸变的输入信息情况具有容错能力,适合应用于实时信息处理系统.     

基于RBFNN的高压输电线路故障诊断

本文在对电力系统故障诊断方法进行分析的基础上,利用径向基函数(Radial Basis Function-RBF)网络适合于求解模式识别问题的优势,提出了应用RBF神经网络(简称RBFNN)来实现高压输电线路的故障诊断,建造了基于RBFNN的高压输电线路故障诊断模型结构,并且给出了确定RBF网络最佳聚类数的标准.仿真分析及容错性测试结果表明,本文所提方法能有效地实现高压输电线路系统的故障诊断,而且在网络的训练速度以及对因干扰而畸变的输入信息情况的容错能力方面都优于传统的BP神经网络,对实时信息处理系统具有一定的适用性.     

基于GA与RS的电力系统输电线路故障诊断

针对电力系统中存在着各种故障,及断路器跳闸进而引起大范围停电的情况,提出了一种基于建模-简约-优化的多源信息融合的智能故障诊断方法.通过对电力系统输电线路故障的原因分析,确定基于遗传算法的故障诊断规则.再利用粗糙集理论对故障动作决策表进行最大限度的约简,此方法保留了关键信息同时得到了知识的最小表达,能够更快更准确的诊断出故障发生的位置.通过实验证明:文中所提出故障诊断模型高效便捷,可应用于大型电力系统的故障诊断,尤其是输电线路方面的故障诊断,在诊断电力线路故障方面提供了一个切实有效的方法.     

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。     

考虑不确定性因素在电网故障诊断中的研究综述

综述了考虑电网故障后保护和断路器发生误动或拒动、告警信号发生误报或漏报情况时不确定性因素在电网故障诊断中的影响。所考虑的不确定因素主要基于数据采集与监控系统（SCADA）、能量管理系统（EMS）、广域量测系统、故障录波系统等数据源,以及系统数据的时序性和逻辑性,同时也综述了考虑不确定因素常用的诊断方法。论述了基于各个数据源和系统数据特性在诊断中对不确定因素的影响,提出了在电网故障诊断中实际应用时,影响诊断精度和诊断效率的关键因素是如何有效的考虑上述不确定性因素。     

基于广域测量系统的电网故障在线智能化诊断与分析方法

现有电网故障实时诊断与分析中存在2个主要问题：一是数据源的问题,即保护和开关动作信息上传不及时、时标不一致和信息缺失;二是误动拒动分析中存在2个重要盲点。同时为实现智能输电网的自愈性特征,又必须实现对电网故障的实时准确诊断和精确分析。针对上述问题,提出基于广域量测系统(wide area measurement system,WAMS)的电网故障快速诊断与分析的解决方案。同时还设计以多智能体技术为基础的面向数据服务的体系结构,并详细分析各智能体的主要结构和实现方法。最后,通过实际扰动试验的测试结果表明,该方法具有故障诊断速度快、故障诊断与分析结果准确等特点,尤其在误动拒动问题上可达到实时精确地分析,如在智能输电网中应用可有效降低大停电事故发生的概率。     

基于不同RS与NN组合的数据挖掘配电网故障诊断模型

在将基于RS（粗糙集）理论的数据挖掘用于配电网故障定位诊断模型研究的基础上，提出和构造了4类不同的RS与NN（神经网络）组合的故障诊断模型，给出了RS与NN在4类模型中实现不同的互补性，关联关系，应用机理和原则及相应的局限性。通过对5类模型的仿真测试结果比较，证明数据挖掘模型潜在知识发现的重要意义，并对4类模型中RS的应用机理和性能作出全面的评估。文中对RS和数据挖掘研究的评估对其他领域的故障诊断研究具有同样的指导意义。     

基于协同式专家系统及多智能体技术的电网故障诊断方法

提出一种利用多智能体技术和协同式专家系统进行电网故障诊断的方法。该方法将智能体模型作为框架,并结合专家系统的特点对系统单元结构进行改进和细化,然后提出适用于故障诊断的整个协同式专家系统的结构体系。整个系统由7个子系统组成,分别完成复杂故障的协同快速诊断、畸变信息和不确定性信息的评价,以及实时给出调度处理建议的任务。在解决关联性故障分析问题时,该协同式专家系统克服了单一专家系统的局限性,文中利用功能协同增强了对复杂故障实时诊断的推理能力;利用区域协同可以对跨区域故障进行诊断。通过实例对系统的工作流程进行了说明并验证了协同诊断方法的正确、有效,该方法适合用于实时故障诊断系统。