基于ACT-Apriori算法的电网故障诊断方法研究

电网拓扑结构愈加复杂,故障后难以快速从海量数据中挖掘有效故障信息且具有较高的计算复杂度;当故障数据不完整或不确定时,无法得到正确的诊断结果。针对此问题,将Apriori算法与自编码算法结合改进,形成改进的自编码关联规则挖掘算法(ACT-Apriori)并引入电网故障诊断之中。以保护和断路器动作数据作为条件属性,故障线路为决策属性,建立故障初始决策表;然后利用ACT-Apriori算法进行核属性提取并利用动态阈值交互式挖掘技术确定最佳阈值;最后形成最简故障决策表,实现故障信息的诊断推理。文中采用四母线配电系统作为仿真对象,与传统的Apriori算法和FP-growth算法及目前最新的FP-Network算法进行对比分析,算例结果表明：改进的算法相较于传统关联规则算法,运行时间分别缩减了90.69%和83.55%,内存占用分别缩减了21.43%和15.38%,相较于FP-Network算法,在时间复杂度和空间复杂度上均有一定程度优化;且本文算法对故障数据不完备情况下的单重、双重、稀有故障诊断的容错性较高,准确率达到95.24%,可以有效实现故障的快速诊断。     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题.针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation)算法引入到电网故障诊断中.首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理.运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强.     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题。针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation）算法引入到电网故障诊断中。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理。运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强。     

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。     

一种改进的FP-Growth关联规则挖掘算法

挖掘频繁项目集是关联规则挖掘中的重点之一.Jiawei Han等人提出了FP-Growth算法,该算法不产生候选项目集.但当数据库较大时,生成PT-Tree需遍历的树的节点数目很多.本文通过对FP-Growth算法分析,提出的改进算法能有效地减少需遍历的树的节点数,从而降低了时间开销.实验结果表明,改进算法能够比较明显地提高挖掘效率.     

基于MAS的电网故障诊断系统的体系结构

在对电网故障诊断理论研究和应用实际现状分析的基础上,提出了一基于MAS(Multi-Agent System)的电网故障诊断模型,此模型充分发挥MAS本身固有的协调异构智能体完成共同目标的能力,来充分利用空间分布、性质分层的故障信息,实现在线精确电网故障诊断.MAS诊断模型在电网区域监控中心设置决策Agent,而按照空间分布的厂站端,设置协作Agent.通过决策Agent和协作Agent之间的合作协商机制,来实现基于区域电网全局各层故障信息的全局最优化诊断结果,即最能够复现电网故障和解释故障现象的诊断结果.此模型可以依托于目前已构建的故障信息网络,通过合作和管理型相结合的协调通讯方式来实现.理论分析和模拟系统测试证明了此诊断模型的可行性、有效性.     

新型电网故障诊断专家系统的设计

针对单独运用专家系统和优化算法在电力系统故障诊断中存在的一些缺陷,设计了将专家系统推理过程融合到基于进化算法的优化算法中,形成一种新的推理优化算法,该算法根据可能的故障假设,结合约束条件,通过专家系统判断信息的合理性,从而得到最合理的故障情况。在实际应用中,该算法诊断结果可靠,具有一定的工程应用价值。     

采用粗糙集联合规则挖掘算法的分布式电网故障诊断

鉴于传统的人工智能技术在大电网故障诊断应用中存在的局限性,采用分布式的思想来解决该问题,并提出一种基于粗糙集理论的联合规则挖掘算法,该算法能够有效地从分布式信息系统中提取联合规则。为了更好地解决电网故障诊断问题,构建了基于该联合规则挖掘算法的分布式电网故障诊断模型。该模型不仅能够有效地诊断各局部电网内部的故障,而且能够有效地诊断各局部电网之间联络线的故障,弥补了分布式电网故障诊断中联络线故障诊断规则不足的缺陷。对大电网进行分割,不仅能够有效识别各类复杂故障,而且也使得每个局部电网决策表的规模大为减小,同时联合规则挖掘算法也显著地降低了规则提取的复杂度,解决了粗糙集理论在大电网故障诊断中遇到的瓶颈问题。算例表明该方法简单、有效、速度快、容错性好。     

电网故障诊断研究方法

介绍了电网故障诊断的研究目的和意义,对国内外电网故障诊断的研究方法进行了叙述,并分析了各种研究方法的特点和适用场合,最后指出了该领域的主要问题和未来发展的趋势。     

应用于智能电网故障检测的关联规则挖掘算法优化

针对于目前故障检测方法在智能电网应用中存在较大误差的问题,介绍了一种基于贝叶斯网络和关联规则数据挖掘的算法模型,通过Hash技术优化Apriori算法,对原数据挖掘,去除不期望的候选项集,并通过贝叶斯网络训练样本,减少检测误差,最终得到电网故障检测结果。仿真结果表明,这种基于贝叶斯网络和关联规则挖掘算法的故障检测模型,比传统算法在电网故障检测方面更有效率,且检测误差大幅降低。     

基于三态数据的电网在线综合故障诊断

提出了一种基于三态(稳态、动态、暂态)数据的电网在线综合故障诊断方法。首先从数据特性和调度自动化现状出发,分析了利用三态数据进行在线故障诊断的必要性;其次,从在线故障诊断的正确性、实时性和全面性3方面入手,提出了多源信息的数据挖掘和协同处理技术;最后,展望了电网在线故障诊断未来的发展方向。     

基于特征提取的有源电力滤波器故障诊断方法

针对有源电力滤波器APF(Active Power Filter)的IGBT功率管易发生故障的问题,提出了基于故障特征提取的有源电力滤波器故障诊断方法。构建了APF故障仿真模型和基于小波包分析的故障特征提取方法,仿真分析了APF网侧电流波形,并运用小波包分析对IGBT故障时的网侧电流波形进行处理,提取了IGBT故障特征向量,最后运用神经网络对特征向量的分类来实现对APF的故障诊断。在APF故障诊断系统上进行测试,验证了该诊断方法的有效性和可行性。     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

基于特征气体分层特性的电力变压器故障诊断技术研究

随着电网的扩大,变压器在电网中的作用日益提高,从而变压器在线故障诊断技术也显得异常重要。分析了变压器常见的故障类型以及变压器故障与变压器油产生特征气体的对应关系;选出具有代表性的特征气体作为最优诊断特征量;将故障诊断过程分为三个层次：正常-故障层、过热-放电层和故障细化层（高温过热、中低温过热、低能量放电、高能量放电）;最后用互信息方法与神经网络法实现基于特征气体分层特性的变压器故障诊断方案。     

基于网格平台的电网故障诊断架构

故障诊断是未来智能电网可自愈的前提条件。为了进一步提高电网故障诊断系统的效率及准确性,文中提出了一种以数据网格为支撑、分布式系统为主体的新型电网故障诊断架构。数据网格可以提高故障诊断系统数据采集的实时性和可靠性,而分布式系统提供的分布式计算技术能够极大地提高诊断程序的运行速度。两者的结合能够使这种新型的诊断系统在诊断速度及准确性上优于传统的客户/服务器(C/S)结构。最后,通过案例证明了新系统的可行性。     

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。     

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。     

Petri网与专家系统结合的输电网络故障诊断方法

介绍了一种应用Petri网数学模型并结合专家系统进行电力系统输电网络故障诊断的方法。根据断路器跳闸信息确定故障区域,通过搜索“六元表”找出故障区域中动作的各类保护及相关的断路器,通过与SCADA系统提供的信息进行比较,把对应各设备的继电保护信息输入Petri网故障诊断模型,最终确定故障元件。这种方法克服了专家系统难于用数学方法描述的缺点,利用Petri网建立数学模型,提高了故障诊断速度。通过实例仿真验证了该方法的有效性、准确性和通用性。     

基于多源信息时间序列匹配的电网故障诊断方法

随着调度中心自动化水平的不断提高,包括数据采集与监控系统(supervisory control and data acquisition,SCADA)、广域测量系统(w ide-area measurement system,WAM S)、继电保护信息系统(relay protection information system,RPIS)等在内的多数据源系统的量测信息汇集到调度中心的统一数据库中。为了充分挖掘多源信息在调度运行中的应用场景,将多源信息应用于电网故障诊断中,提出了一种基于多源信息时间序列匹配的电网故障诊断方法。首先,介绍了多源信息数据库的组成、电网时间序列的结构以及针对不同数据源系统的生成规则。其次,利用事件顺序(sequence of event,SOE)记录、信息保护动作信息和相量测量单元(phasor measurement unit,PMU)电气量信息在故障发生时划分可疑故障区域,生成未知故障的电网时间序列,并与根据可疑故障区域内的可疑元件的保护配置信息生成的基准时间序列集合进行匹配,识别出故障元件、故障类型、故障时间、故障演进过程等详细故障信息。最后,采用实际算例验证了所提方法的可行性和有效性。