基于多源信息的延时约束加权模糊Petri网故障诊断模型

提出一种基于电气量判据、保护判据和断路器判据,并能够计及这3类判据时序属性的多源信息延时约束加权模糊Petri网故障诊断模型。首先,分析故障前后的电力网络拓扑以确定可疑故障元件。之后,采用反向推理寻径法识别故障元件动作可能路径,并在此基础上构造加权模糊Petri网故障诊断模型来确定故障元件;该模型能够计及故障电气量及其时序属性、元件故障和保护动作之间、保护动作和断路器跳闸之间的延时约束以及保护和断路器动作不确定性,且诊断推理全程采用矩阵运算来实现。在上述基础上,采用逆向推理判断警报信息的完整性和正确性,识别出误动或拒动的保护与断路器。最后,用IEEE 39节点系统和贵州兴仁变电站实际故障案例对所构建的故障诊断模型的正确性和求解方法的有效性作了验证。     

一种配电网单相接地故障综合选线方法

为了充分利用配电网单相接地故障时的故障信息,以提高选线装置的正确选线率,提出了一种综合选线判据的方法。该法将反映故障稳态分量的选线判据、暂态分量的选线判据和利用外加诊断信号的选线判据有机融合,以变电站母线所带出线为研究论域,各单一选线判据为条件属性,离散化的各故障特征量为条件属性值,形成故障信息表并对其进行论域缩减,最后利用决策规则形成决策表,从决策表的决策属性中找到综合选线结果。仿真验证了该综合选线的优越性。     

基于级联阈值决策的变压器故障模糊诊断法

为了解决最大隶属度原则不宜诊断多故障、阈值原则漏诊率和误诊率较高的问题,在提出级联阈值判断原则后构成了级联阈值决策的加权模糊识别法。该法研究各特征气体组分比值在变压器故障诊断中的不同地位,确定加权系数矩阵,并用统计法估计单故障现象的故障隶属度,得到评判矩阵。通过评判矩阵和级联法值判断原则诊断变压器故障,不但诊断单种变压器故障正确率较高,且诊断多种故障同时存在的变压器故障效果也较理想。     

计及分布式电源注入谐波的单相接地故障联合选线

随着配电网线路安全运行要求的提高,分布式电源注入的谐波会使得现有的选线方法失效,且单一判据的故障选线方法愈加难以胜任复杂配电网系统发生单相接地故障后的选线工作。因此文中提出了计及分布式电源注入谐波的谐振接地系统单相接地故障联合选线。针对谐振接地系统中出现单相接地故障后,故障线路与健全线路的暂态零序电流相位、周期变化不同的特点,先根据低频周期差异用多尺度交叉样本熵计算暂态零序电流,再根据高频相位差异用加权暂态能量法及同步挤压小波变换计算高频暂态零序电流的重构误差。此外,使用加权暂态能量法控制计算量并通过多尺度交叉样本熵、加权暂态能量和重构误差3个判据判定故障线路。实验结果显示,文中的联合选线法受不同故障条件的影响小,准确性高,抗干扰性强。     

基于特征表征度与多变量预测模式识别的变压器故障诊断

针对现有的基于油中溶解气体分析的诊断方法忽略了特征对故障类型的表征力度差异,限制了故障区分度的问题,提出了一种新的变压器故障诊断方法。该方法首先将主成分分析与灰色关联度分析相结合,用于度量特征量表征各故障类型的重要程度,并确定各故障类型下各特征量的权重;其次,构建一种多变量预测模式识别方法,用于电力变压器故障分类。其基本思想为:基于训练样本数据建立各类别下特征量之间相互表达的数学模型,即各类别的预测模型;将待测样本特征量输入至已建立好的预测模型中,并输出对应的特征量预测值;基于各特征量的权重信息,以预测值与实际值的加权误差平方和最小为判据,确定样本所属类别。最后通过与神经网络、支持向量机等方法进行对比,验证了所提方法的有效性。     

谐振接地系统故障区段模糊信息融合定位方法

分析谐振接地系统零序电流的分布规律,提出两种单相接地故障区段定位方法：区段零序电流比值法及并联中电阻法。区段零序电流比值法采用故障后相邻两区段稳态零序电流有效值的比值作为判据;并联中电阻法采用归算到同一零序电压下中电阻投入前后的区段零序电流变化量作为判据。采用单一判据存在故障区段定位盲区及误判的情况,应用模糊理论,分别构造两种方法的隶属函数及加权系数,采用加权系数法实现两种判据融合。对不同线路形式、不同过渡电阻及不同接地点位置情况下所做大量仿真的结果表明该方法的有效性,算法简单且不存在盲区。     

基于加权综合损失优化深度学习和DGA的变压器故障诊断方法

为进一步提高变压器故障诊断效果,提出了一种基于加权综合损失优化深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以DGA特征量为输入,以Softmax层各故障状态概率分布为输出,基于堆栈稀疏自编码深度学习理论构建了变压器故障诊断模型。针对常规交叉熵损失函数下,变压器故障诊断效果偏低,训练样本不平衡分布影响故障诊断水平的问题,采用加权综合损失函数对深度学习模型进行优化。案例分析结果表明:相比传统方法,本文方法可削弱训练样本不对称对变压器故障诊断的不利影响并提高变压器故障诊断水平,各训练集下,本文方法故障诊断准确率可保持在90%以上。     

基于相空间轨迹识别和多判据融合的变压器保护新策略

该文提出一种基于相空间轨迹识别和多判据融合的变压器保护新策略。首先,给出相空间的基本概念及相空间参数的选取方法,然后,分析由故障分量瞬时功率重构形成的相空间轨迹在区内、区外故障及变压器空载合闸等不同工况下的变化规律,据此提出基于相空间轨迹识别的变压器保护新判据,进一步结合电流互感器(current transformer,CT)饱和、变压器合闸于高阻故障及短时转换性故障等特殊场景下电压、电流的变化规律,设计2种保护新判据,并将各判据有机融合,设计一种变压器保护新策略。基于PSCAD/EMTDC的仿真结果验证新策略的有效性和优越性。     

基于多分类概率输出模型的变压器故障诊断*

针对传统的SVM方法在辨别故障特征不明确的样本时会导致误诊断的问题,提出一种基于多分类概率输出(MCPO)模型的变压器故障诊断方法。利用Sigmoid函数构建了基于SVM的MCPO模型,模型的输入为DGA数据和变压器故障类型,输出为发生每种类型故障的概率估计,通过制定相关的故障诊断判据利用故障概率信息能够有效的辨识故障特征是否明确。仿真分析结果表明,MCPO模型的诊断结果能够有效识别故障特征不显著的样本,为进一步采取合理的校正措施提供一种参考。     

基于EMD和PNN的故障电弧多变量判据诊断方法

故障电弧单变量判据诊断法受不确定因素影响大、特征量提取困难,针对此提出一种基于经验模态分解(EMD)和概率神经网络(PNN)的故障电弧多变量判据的诊断方法。利用经验模态分解分析法对电弧电流进行时频分解,并借助信号相关性理论自动提取故障特征信号;同时,通过分析故障特征信号的无量纲指标,形成多变量特征向量集。在此基础上,构建基于概率神经网络的故障电弧诊断模型。通过分析燃弧前后烧水壶、吸尘器、卤素灯、电钻、荧光灯、计算机的电流波形,验证故障诊断模型的准确性。结果表明,所提方法解决了单变量判据故障诊断中出现的特征量提取困难、交叉重复等问题,准确率超过90%。     

基于加权粗糙集的代价敏感故障诊断方法

在故障诊断领域，粗糙集已成为一种有效的不一致信息处理工具，然而当故障诊断存在明显的诊断代价差异时，经典粗糙集方法由于无法考虑先验知识而不能取得满意的效果。通过引入样本对象的主观加权，该文提出加权粗糙集的学习方法，设计了加权属性约简和加权规则提取算法，为粗糙集学习提供一种引入先验知识的途径。基于提出的加权粗糙集学习方法，开展了代价敏感故障诊断的研究，并进行了汽轮机振动的代价敏感故障诊断实验。实验表明，基于加权粗糙集方法的代价敏感故障诊断能优先选取高代价故障的关键征兆，并且使提取的规则集中高代价故障的规则具有更高的规则支持度和可信度，当诊断存在不一致的情况下，该方法倾向于将故障诊断为高代价故障，从而降低诊断代价。     

基于混合模糊聚类分析的汽轮发电机组振动故障诊断

针对模糊C-均值(FCM)算法在汽轮发电机组振动故障诊断中的不足,提出了一种加权混沌优化FCM(WCOFCM)算法。WCOFCM算法首先将混沌优化策略与传统FCM算法相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,并结合梯度算子,使方法有效收敛到极值点。然后依样本相似度原理对样本特征进行加权,对不同的特征赋予权重,突出敏感特征对聚类结果的主导作用,提高了聚类性能。最后依据聚类有效性函数指标自动确定聚类数,实现自适应分类。用该方法对国际标准测试数据进行了聚类分析实验,并将该方法应用于某发电厂汽轮发电机组振动故障诊断,其结果表明该方法有效降低了误分类率,能对汽轮发电机组振动故障进行有效诊断。     

运用振动监测法对除尘风机的状态监测及诊断

详细介绍了用振动监测法对风机进行状态监测并确定除尘风机的定量诊断标准：ｖｉｍｓ＜６ｍｍ／ｓ的方法,描述了用振动信号分析法对某厂的２＃风机的故障进行精密诊断的方法及过程,取得到了较好的效果．为对风机进行现场实时诊断提供了有效的数据及方法依据．     

基于继电保护时空参数的电网故障诊断模型

根据继电保护动作逻辑的时间和空间特性,定义了故障关联树,以描述保护装置的时空配合逻辑。利用空间关联度和保护动作时间对保护进行动作优先级排序,并将其映射到Petri网的动态推理模型中,以实现对电网元件的精确诊断。同时通过保护优先级参数对保护和断路器的动作行为作出评价。仿真算例证明该方法能在多种复杂故障的情况下进行快速诊断,对保护和断路器动作进行正确评估。     

基于加权平均粗糙度的配电网故障诊断分层模型

针对配电网发生故障后故障诊断警报信息存在不确定性和不完整性导致难以得出准确结论的问题，提出了利用改进可辨识矩阵对故障样本进行约简，在约简的基础上根据加权平均粗糙度的大小对故障样本进行分层从而建立模型的方法。该方法避免了分层的盲目性和冗余性，大大缩小了诊断模型空间，且加权平均粗糙度计算简单，易于实现。按加权平均粗糙集的大小区分层内各特征信息的优先级，具有很强的容错能力。仿真实例证明了该模型的有效性。     

RBF神经网络在凝汽器故障诊断中的应用

针对BP神经网络计算过程存在收敛速度慢的缺点,提出了RBF神经网络应用于凝汽器故障诊断的基本方法。介绍了RBF神经网络的结构、凝汽器的故障类型和征兆集的建立方法。对比了RBF神经网络与BP神经网络的诊断结果,证明RBF神经网络的在线诊断速度、诊断精度均优于BP神经网络,对凝汽器的故障诊断准确可靠。     

基于端口频域特性的水轮发电机转子绕组匝间短路故障诊断

包含抽蓄发电机在内的大型水轮发电机转子为具有多匝长绕组的显极式转子,传统的基于交流阻抗测量的绕组匝间短路故障诊断方法存在灵敏性和便捷性等方面的不足。基于多导体传输线理论建立了显极式转子绕组的端口频域特性模型,通过仿真分析提出了故障判别和定位方法。最后通过真机转子的故障模拟和测试对诊断方法的有效性进行了验证。仿真和试验结果表明,所提方法能够在无需断开磁极间电气连接的测量条件下实现绕组匝间短路故障的诊断和定位。     

用气相色谱分析法诊断电抗器故障

介绍了应用色谱分析技术对大型充油电气设备内部故障进行分析与诊断的方法。并通过一起用气相色谱分析诊断电抗器故障的案例介绍了该诊断方法和经验估算公式，证明该诊断方法可解决设备在电网安全运行与经济运行的矛盾。     

电器设备故障红外诊断技术及其软件系统开发

对小负荷电器设备的在线故障诊断一直是有待解决的实际问题,提出了采用红外成像 技术,通过比较同一运行条件下不同点间的温差诊断故障的方法,并开发了相应的软件系统 。该软件系统提高了电器设备红外图的分析与处理能力,可以把握电器设备运行状况的变化 趋势,能够实现电器设备故障特征的自动提取和判断。应用实例说明运用本软件得出的电器 设备故障诊断结论与实际情况吻合。