基于D-S证据理论的小电流单相故障多判据融合选线研究

利用单相接地故障的暂态量和稳态量分别构造幅值、相位故障测度函数,以定量评价疑是故障线路的程度.结合选线问题的特性,设计了以故障测度值为自变量的基本信度分配函数.运用D-S证据理论实现了多判据信息融合,将多判据选线问题转化为证据推理问题,给出了基于信息融合的综合选线策略.大量仿真算例证实了该方法的有效性.     

基于证据理论和信息熵的消弧线圈接地电网融合选线方法

提出一种消弧线圈接地电网单相接地故障融合选线方法。该方法综合运用首半波、有功分量和暂态量故障特征,采用证据理论和信息熵实现融合选线。构造了定量反映线路似为故障线路程度的故障测度算法,建立了以故障测度和信息熵表示的基本信度分配函数,实现了多故障特征的证据融合选线。仿真和实测数据验证了本文选线方法的有效性,表明提出的证据融合选线方法可极大地提高选线的准确性和适应性。     

应用证据理论实现配电网单相接地故障选线保护

提出了一种利用多重故障信息融合选线方法。为实现这一目的，提出了故障测度概念，用来定量评价各线路可能是故障线路的程度。运用D-S证据理论实现了多判据信息融合，将多判据选线问题转化为证据推理问题，使选线结果聚焦到各个判据的共同支持点上，选线性能得到极大提高。现场实测故障算例证实了文中方法的正确性。     

基于深度信息融合的小电流接地故障选线

基于信息融合技术的小电流接地故障选线方法当信息融合效率低时,将直接影响接地选线的准确性。分别利用傅里叶变换(FFT)和经验模态分解(EMD)对稳态和暂态的零序分量特征进行分析,通过建立故障测度函数,计算出线路故障测度;利用信息增益度,建立各种选线方法的故障测度;利用线路和方法故障测度得到最终的样本故障测度。把样本故障测度作为特征输入量,利用单纯形法(SM)优化参数的最小二乘支持向量机(LSSVM)算法进行深度信息融合选线。仿真结果表明上述方法应用于选线中具有很高的准确率和灵敏度。     

D-S证据理论在小电流接地系统单相接地故障选线中的应用

小电流接地系统发生单相接地故障后，当故障特征量非常明显时，选线结果才比较可靠，当其特征量很微弱时，选线结果则可能是错误的；在故障后不同时段，故障特征所表现的强弱程度的不同，对选线结果也会产生很大影响。针对这一特点，提出了一种充分利用故障信息的多判据多周期的选线方法，运用D-S证据理论实现多种判据信息融合，从而使选线性能得到很大提高。苛刻条件下的仿真算例证实了该方法的正确性和有效性。     

基于信息融合的配网故障选线仿真与研究

为了提高小电流接地系统故障选线装置的选线精度,提出了基于信息融合的选线方法,即将几种互补的基于暂态和稳态特征的单一选线方法用于综合选线.首先根据暂态、稳态故障特征的特点定义各自的故障测度函数,再分别利用粗糙集理论和非线性合成算法模型将各种故障特征的故障测度函数进行融合选线,最后在Matlab中搭建了配网模型和编写融合算法的程序进行仿真分析和选线方法的验证.仿真结果表明,基于粗糙集理论和非线性合成算法的信息融合选线方法选线精度较高,具有良好的应用价值.     

基于模糊理论的多判据信息融合小电流接地系统单相接地故障选线方法

小电流接地系统的单相接地故障选线问题是长期以来一直存在的技术难题,为提高故障选线的可靠性,提出基于模糊理论的多判据信息融合的单相接地故障选线方法.电网一次故障数据经电压互感器、电流互感器变换后,将故障特征量送入不同的选线判据,然后根据模糊变换得到母线及各条出线的故障测度及各种判据的权系数,最后进行融合决策,并输出最终决...     

基于D-S证据理论的配电网单相故障选线方法研究

为充分利用单相接地故障的互补信息提高选线保护的可靠性,提出一种中性点非有效接地电网信息融合选线方法。该方法采用D-S证据理论,针对故障选线问题的具体特点,合理构造了选线识别框架和信度分配函数,将故障选线问题转化为证据理论模型,给出证据组合的选线判定原则,制定了基于信息融合的综合选线策略。应用该方法在模拟系统上进行实验,验证了方法的有效性。结果表明采用融合选线策略极大地提高了故障选线的可靠性。     

基于多故障判据融合的小电流接地系统单相接地故障选线研究

目前配电网系统中性点接地方式主要以小电流接地为主,但在单相接地故障的选线中依然存在选线准确率和可靠性的问题,特别是当线路中存在不平衡电流或线路中含多次谐波干扰时,单一故障判据往往无法满足所有线路情况,会出现选线误判。为此首先分析了小电流接地系统单相接地的特征,提出了针对不同特征的单相故障选线判据,再利用多故障判据融合并结合多线路故障差异性赋予不同权重,最终通过仿真验证了这种方式相较于单一选线判据,准确率和可靠性均有一定程度提高。     

基于现场实录波形的小电流接地故障暂态选线研究

为解决小电流接地系统单相接地故障特征不明显的问题,借助小波理论提出了基于DS证据理论的融合判据。首先确定小波基及小波分解尺度,并构造小波能量矩阵以确定故障特征频带。进而,在此特征频带下提取出三种故障特征:小波能量比、小波重构系数方差及暂态功率方向,并分析对比了三种特征的灵敏性。考虑到各个故障选线特征的检测灵敏性不同,为了提高选线准确率,进一步提出了基于DS证据理论的选线融合判据。最后,对现场实录波形进行分析。分析结果表明,该融合判据能够有机融合三种选线特征,提升选线正确率,具有较好的工程应用价值。     

一种基于改进贝叶斯分类器的基本信任分配构造方法

针对D-S证据理论在应用于变压器故障诊断时基本信任分配的问题,本文提出了一种基于改进贝叶斯分类器的基本信任分配函数的构造方法,该方法根据不同的属性值来确定满足条件的取值区间,克服了贝叶斯分类器同一区域内基本信任分配函数无法变化的问题。实验表明,构造的基本信任分配函数正确有效。     

基于区域多信息融合的广域后备保护算法

针对广域保护通信流量大、容错性低等问题,提出了一种基于区域多信息融合的广域后备保护算法。首先,对保护系统进行区域划分,并根据故障电流的分布特性进行故障区域搜索,以减少广域保护的通信流量。其次,对故障区域内的保护动作信息进行归一化处理,并计算线路故障证据的基本概率赋值。最后,采用改进的D-S证据理论进行证据融合,进而识别故障线路。基于PSCAD搭建IEEE 39节点系统进行仿真验证,结果表明该算法能有效识别各类型故障,具有广域通信量小,信息容错性高等良好性能。     

基于小波神经网络和D-S证据理论的电力变压器故障诊断研究(英文)

>Transformer faults are quite complicated phenomena and can occur due to a variety of reasons.There have been several methods for transformer fault synthetic diagnosis,but each of them has its own limitations in real fault diagnosis applications.In order to overcome those shortcomings in the existing methods,a new transformer fault diagnosis method based on a wavelet neural network optimized by adaptive genetic algorithm(AGA)and an improved D-S evidence theory fusion technique is proposed in this paper.The proposed method combines the oil chromatogram data and the off-line electrical test data of transformers to carry out fault diagnosis.Based on the fusion mechanism of D-S evidence theory,the comprehensive reliability of evidence is constructed by considering the evidence importance,the outputs of the neural network and the expert experience.The new method increases the objectivity of the basic probability assignment(BPA)and reduces the basic probability assigned for uncertain and unimportant information.The case study results of using the proposed method show that it has a good performance of fault diagnosis for transformers.     

小波熵证据的信息融合在电力系统故障诊断中的应用

电力系统中快速准确的故障诊断是事故后隔离故障元件、恢复系统正常运行的首要前提,具有重要意义。该文从信息融合的角度出发,提出利用多种小波熵测度的融合来解决电力系统故障诊断问题。小波熵测度由于结合了小波变换和信息熵理论的优势,能快速准确地提取线路故障特征,但由于故障的不确定性和多样性,依靠单一的小波熵测度诊断故障可能出现诊断困难或诊断失真等问题,因此提出采用D-S证据理论对多种小波熵进行信息融合,并采用范数加权平均的方法来建立基本可信度分配,以基本可信数的决策方法来实现故障模式诊断。基于EMTDC和Matlab的仿真证明,该方法能提高对故障诊断结果的支持度及故障诊断的准确性和实时性,是故障模式定量诊断的一种可行性新方法。     

使用多参量的变压器故障综合诊断技术

为全面综合诊断电力变压器故障,参考已有变压器故障综合诊断方法,结合变压器油中溶解气体数据和电力试验数据,利用自适应遗传算法优化小波神经网络和证据理论融合技术,提出了一种基于多参量的电力变压器故障综合诊断模型。通过故障特征参数的划分分别构建神经网络从不同侧面反映变压器的故障,同时结合证据的重要性、神经网络的输出改进证据体的基本概率分配赋值,充分体现证据体对单个故障模式识别的可信度。诊断结果表明,基于信息融合技术的变压器多参量故障综合诊断比基于单参量故障诊断的诊断性能较好。     

基于QPSO-BP和改进D-S的水电机组振动故障诊断

为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法。根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化。针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正。实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率。     

基于改进证据理论融合的站域后备保护算法

针对站域后备保护(SABP)信息同步性要求高和容错性低等问题,提出了一种基于改进证据理论融合的SABP算法。首先,SABP装置根据全站各线路两端传统主/后备保护和方向元件动作情况识别疑似故障线路,并由各疑似故障线路两端保护信息构成证据融合信息域。然后,搜集证据融合信息域内的主/后备保护和方向元件动作信息,经预处理后形成证据组并计算各证据的基本概率赋值,利用改进证据理论对证据信息进行融合判断来实现故障线路的识别。算例仿真表明,该SABP算法具有无需信息同步、站域信息交互的通信量小和信息容错性高等特点,能有效改善SABP性能。     

基于多传感器振动信号融合的真空断路器故障诊断

根据真空断路器故障诊断特点,提出了小波包、RBF神经网络与D-S证据理论相结合的决策层信息融合诊断方法。首先,运用小波包—能量谱分析方法对振动信号进行分解处理,提取特征向量,并以此作为诊断的依据;其次,建立神经网络模型,以特征向量为RBF神经网络的输入,进行断路器初步故障诊断;然后将诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对初步诊断结果的融合,从而得到最终的融合诊断结果。实验结果表明,该方法诊断真空断路器故障能取得良好的效果。