基于事例和规则混合推理的变电站故障诊断系统

故障诊断是保证电力系统安全运行的重要手段,目前多采用基于规则推理的专家系统,但其知识获取困难,自学习能力差,很难适应电网发展的要求.文中介绍了基于事例推理(CBR)和基于规则推理(RBR)的混合推理的变电站故障诊断专家系统.该系统采用CBR方法确定故障情况,再利用规则评价继电保护和开关的动作情况.事例库包括用RBR系统自动生成的基本事例库及无确定规则的特殊事例,在使用中还可不断地增加新事例以提高系统判断复杂故障的能力.由于采用了混合推理,系统故障诊断快速可靠,动作评价准确,自学习能力也得到很大提高,可减轻运行人员的工作量.     

基于函数逼近能力的母线保护的研究及仿真

ANN分类能力的ANN保护方法需要大量故障样本,但由于完整的故障样本的获取不易,提出了基于人工神经网络(ANN)函数逼近能力的ANN母线保护方法。函数逼近能力是ANN具有的重要性能之一,依据ANN具有的函数逼近能力,可用ANN模型去替代一个确定的物理对象。母线保护的物理对象是一个输入输出关系确定的函数对象,可用一个ANN模型去替代,或用一个ANN数学模型去逼近母线保护物理对象的输入输出之间的函数关系。通过这个在无故障运行时学习训练出来的母线保护对象的ANN数学模型,就能判断区分母线保护对象的区内和区外故障。     

基于函数逼近能力的母线保护的研究及仿真

ANN分类能力的ANN保护方法需要大量故障样本,但由于完整的故障样本的获取不易,提出了基于人工神经网络(ANN)函数逼近能力的ANN母线保护方法.函数逼近能力是ANN具有的重要性能之一,依据ANN具有的函数逼近能力,可用ANN模型去替代一个确定的物理对象.母线保护的物理对象是一个输入输出关系确定的函数对象,可用一个ANN模型去替代,或用一个ANN数学模型去逼近母线保护物理对象的输入输出之间的函数关系.通过这个在无故障运行时学习训练出来的母线保护对象的ANN数学模型,就能判断区分母线保护对象的区内和区外故障.     

基于故障录波器信息的故障诊断系统

对人工神经网络（ANN）方法应用于变电站故障诊断进行了研究,提出了一种基故障录波器信息的故障诊断系统。该系统中,核心部分是三层前向BP网络分别对变电站内的变压器、线路和母线构造相应的故障诊断ANN模型,对每种保护、断路器和自动装置构造相应的动作性能诊断模块。仿真计算结果表明：基于波器信息的将ANN应用于变电站故障诊断的方法是一种有效的方法。     

基于故障录波数据的分布式电网故障诊断系统

介绍了一种基于故障录波数据的分布式电网故障诊断专家系统。系统由主站和若干子站构成。安装在变电站的子站系统负责故障初判 ,确定事故起因和相别 ,形成故障简报并向主站上传 ;安装在调度中心的主站系统综合多个子站信息 ,对事故情况进一步分析 ,并对开关和保护的动作做出评价并给出相应对策。系统综合利用故障录波、SOE以及保护事件等故障信息 ,采用基于CLIPS的故障诊断专家系统引擎 ,保证诊断结果快速可靠 ,动作评价深入 ,可大大减轻运行人员的工作量     

基于故障录波数据的分布式电网故障诊断系统

介绍了一种基于故障录波数据的分布式电网故障诊断专家系统.系统由主站和若干子站构成.安装在变电站的子站系统负责故障初判,确定事故起因和相别,形成故障简报并向主站上传;安装在调度中心的主站系统综合多个子站信息,对事故情况进一步分析,并对开关和保护的动作做出评价并给出相应对策.系统综合利用故障录波、SOE以及保护事件等故障信息,采用基于CLIPS的故障诊断专家系统引擎,保证诊断结果快速可靠,动作评价深入,可大大减轻运行人员的工作量.     

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。     

基于规则网的高压输电线路故障诊断与保护动作性能评价

对于多重或复杂故障以及存在警报信息丢失或畸变等复杂情况,如何准确诊断所发生的故障和评价保护装置的动作性能仍是值得研究的问题。在此背景下,提出一种基于规则网利用故障录波信息进行高压输电线路故障诊断和评价保护与断路器动作性能的新方法。首先,对故障录波信息进行预处理,利用小波变换技术从电气模拟量信息中提取线路故障特征量,得到电流突变事件和保护动作事件序列。在此基础上,建立计及警报信息时序特性的高压线路故障诊断规则网络模型,并确定故障假说集与期望的保护和断路器状态,并利用它们之间存在的因果与时序关系确定故障原因以及对保护和断路器动作性能进行评价;之后,对故障录波做进一步分析以判别故障类型、故障性质和故障位置;最后,用实际电力系统故障案例对所提出的方法进行说明。     

基于人工智能及信息融合的电力系统故障诊断方法

故障诊断软件作为调度中心综合智能告警模块的核心软件,其综合诊断性能的提高一直是电力工程界及学术界的热点问题之一。提出了基于信息融合思想的人工智能故障诊断新方法。该方法首先建立基于神经网络的信息融合故障诊断新模型,即利用神经网络对于信息所蕴含的特征提取能力,实现3种人工智能故障诊断方法权重的自动确定,以期获得更高的诊断精度;然后用测试样本对其进行测试,若精度满足要求则说明历史样本数量充足,则把训练好的神经网络直接用于对于新来的信息进行相应设备故障与否的诊断;否则,说明现有样本数量不足,使得基于神经网络实现信息融合的方法在该场景下不再适用,此时文中采用对于历史样本数量要求较少的基于自适应确定权重的信息融合策略,即基于故障诊断评价指标体系及客观权重法中的拉开档次法,自适应地确定3种人工智能故障诊断方法的权重,从而使得融合之后的故障诊断具有更高的诊断精度。不同样本下的算例均证明文中所提出的故障诊断新方法的综合故障诊断能力高于其他诊断方法。     

超高压变电所在线故障诊断和分析的专家系统

本文研究超高压变电所故障诊断和分析的专家系统（ES），本系统推理机构为两组系统：相应实现对变电扬故障设备诊断和故障情况全面，准确的综合分析，本系统提出引入绝缘知识分析高压设备的故障原因，使本系统的诊断和分析性能扩展。所提出的解释结构打破了常规记忆跟踪所用规则的方式，采用跟踪系统推理轨迹，记忆系统推理分析思路。     

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。     

人工智能技术在电力系统故障诊断中应用

对人工神经网络、专家系统、遗传算法、模糊理论等人工智能技术的基本概念进行了简单的介绍，并从实用化的观点对它们在电力系统故障诊断中的应用特点、存在问题进行分析，最后指出人工智能技术用于电力系统故障诊断的最新发展动向。     

基于小波神经网络的在线警报处理系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普通的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。故障诊断系统依据保护继电器和断路器的采样信息估计电力系统中故障段的位置。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。     

基于多数据源的电力变压器分层故障诊断系统设计

在现有变压器在线监测条件普遍不足的前提下,介绍了一种基于多数据源的变压器分层故障诊断系统。该系统充分利用在线监测数据和各种电气试验、运行状况以及专家经验等信息,将人工神经网络和基于事例(case)推理的专家系统结合起来,在不同层次的故障诊断模型中采用不同的智能诊断手段,逐步深入、细化诊断结果,并对系统的数据流和知识流进行合理的总体规划。该系统还提供了模拟变电站数据的仿真器,可用于系统的测试,在一定程度上保证了其可靠性。     

基于小波神经网络控制的无刷直流电机调速系统

该文提出了基于小波神经网络控制的无刷电机调速系统新方法，该方法使用三层前馈式人工神经网络，采用基于梯度下降纠正误差法在线训练更新网络参数，使用离散小波变换的时频特性和连续小波变换检测信号边沿的原理进行无刷电机运行状态和故障状态的检测，以便能实时保护。仿真结果表明该方法能大大改善调速系统的静态、动态性能，具有优良的控制效果，小波检测灵敏度高，对噪声有较高的鲁棒性，具有广阔的应用前景。     

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。     

利用DGA-NN诊断油浸式电力变压器故障

人工神经网络以其良好的非线性映射能力广泛应用于电力变压器故障诊断。为研究反向传播神经网络(BPNN)和概率神经网络(PNN)的学习过程、网络参数选择等问题,利用Matlab的神经网络工具箱结合油中溶解气体建立了BPNN和PNN的故障诊断模型,并对其性能做了分析和对比。结果表明,两种网络均能较好地实现变压器故障的实时诊断。因初始化权值的随机性,BPNN的输出结果具有差异性,收敛速度较慢,而PNN网络结构自适应确定,可以随时添加训练样本,且训练速度较快,适合于实现变压器故障的实时诊断。相同条件下,PNN的收敛速度约为BPNN的5倍。     

神经网络诊断变压器故障的新方法

介绍了一种用于信号分类识别的小波神经网络,其网络权值由小波函数集充当,并在学习过程中应用了共轭梯度法。将此小波神经网络用于变压器油色谱诊断,经仿真计算,证实它具有比ＢＰ网络更好的逼近性能,可以达到较高的准确率。     

发电机励磁控制系统故障诊断的神经网络模型

鉴于发电机励磁控制系统是电网进行无功和电压调节的关键控制设备,为确保发电机安全运行,采用先进的人工神经网络的理论和方法完成了励磁系统故障诊断,并建立了一种新型的励磁系统故障诊断4层(含输入层)神经网络模型。采用神经网络方法对励磁系统进行故障诊断的关键在于网络的学习,网络学习又依赖于正确的输入输出样本。因此还收集了一定数量的励磁系统现场运行故障实例和大量的专家知识样本,对于正确调整神经网络中的各参数具有重要的实用价值。     

Development of an expert system for analyzing faults in power systems based on waveform recognition by artificial neural networks

In restoration of a power system, appropriate steps need to be taken in early stages to avoid damage to the public caused by insufficient power supply. The first step in the restoration is the analysis of the fault that has produced the power failure. Today, a large amount of data will be available at the occurrence of a fault due to the use of advanced communication systems using digital relays and optical fibers. Such systems are intended to obtain data from the relays and circuit breakers (CBs) under operation and the voltage and current during operation and the prefault and postfault periods. This paper presents a hybrid fault analyzing expert system using data based on protective devices and phasor measurement. This system is a combination of an artificial neural network (ANN) and an expert system (ES). The ANN is used to simplify the analysis of current and voltage waveforms, which is considered difficult due to the presence of a fault resistance and the line impedance. Since a fault waveforms contains various ambiguous factors depending on the nature of the fault resistance, load current and other system parameters, the use of ANN is effective making such determinations.