基于EMD的故障可诊断性评价模型设计

构建可诊断性模型是进行可诊断性设计的前提，通过可诊断性模型能够分析系统内故障的可诊断性。目前的研究成果中大都集中于定性研究，即对故障可诊断性的评价集中于“故障是否能够被诊断”的定性评价，而没有进一步考虑量化故障被检测或被隔离的难易程度。针对以上问题，本文提出了一种基于推土机距离（EMD）的可诊断性定量评价模型，将故障诊断难度定量评价问题转化为测试数据多元分布之间的距离度量问题。首先建立了适用于可诊断性分析的多信号流图定性模型，用来描述系统的功能组成结构、故障 测试 信号的相关性关系；然后在定性模型的基础上，结合数据驱动框架，建立了基于EMD的可诊断性定量评价模型，除了能够定性地描述故障与测试之间相关性关系之外，还能够定量地衡量诊断故障的难易程度。最后以某型装备的开关电源为实验案例，验证了本文方法的有效性，为可诊断性建模提供了一条可行的思路。     

基于灰色关联度的变压器故障诊断

针对电力变压器故障,通过对故障气体含量值的详细分析,提出了一种基于灰色关联度的变压器故障诊断方法,实现了变压器故障类型诊断功能。经实例应用,证明了这种方法能有效对变压器故障进行定性和定位。     

基于物元模型的电力变压器故障的可拓诊断方法

为了提高传统的油中溶解气体分析的诊断能力,提出了一种定性与定量相结合的电力变压器故障的可拓诊断方法。首先基于可拓学中的物元理论,建立了定性地描述电力变压器故障诊断问题的物元模型;其次引入可拓集合中的关联函数,根据故障特征定量地计算故障发生的程度;最后以195台次电力变压器为例验证了该方法的有效性。结果表明该方法能够克服IEC三比值法中无法诊断多重故障和无匹配的故障编码的不足,且具有更高的诊断准确率。     

燃气轮发电机组多故障诊断的物元分析方法

以振动特征频谱为依据，提出了一种定性与定量相结合的多故障的可拓诊断方法。基于可拓学中的物元理论，建立定性地描述燃气轮机故障诊断问题的物元模型；引入可拓集合中的关联函数及关联度，提出了多故障诊断准则，根据故障特征定量地确定燃气轮发电机组故障症状隶属于特定故障的程度。用接近阈值确定可能同时发生的故障类型，用类别阈值确定不能同时发生的故障类型。以燃气轮机组实际故障为例验证了该方法的合理性、有效性。结果表明多维物元模型能较好地表征燃气轮机的多故障问题，并能解决燃气轮发电机组的多故障诊断问题。     

诊断电力变压器故障的一种灰色关联度分析模式及方法

在对300多台次变压器故障分解气体的详细分析基础上,提出了诊断电力变压器故障的一种灰色关联度分析模式及方法,通过产例应用,证明了这种方法能有效地对变压器故障进行定性和定位分析。     

变压器油流分析故障判断分析

对变压器故障判断方法进行了分析，提出了油流分析定位法，定性判断变压器故障部位，提高了故障判断的准确性，可靠性、并通过应用实例说明油流分析定位法。     

关联度分析在变压器故障诊断中的应用

为了提高传统油中溶解气体分析(DGA)的诊断能力,克服相对关联度诊断变压器故障的不足,探讨了基于关联分析的故障诊断理论,提出了三级关联算法,建立了一种定性与定量相结合的电力变压器故障诊断的三级关联度方法。以氢气、甲烷、乙烷、乙烯和乙炔这5种油中溶解气体的含量参数作为特征量,验证了新方法对变压器故障的实际诊断效果。结果表明,该方法不仅能找出故障类型,而且能确定故障部位,其有效性超过了传统的相对关联度方法。     

利用色谱分析数据对变压器内部故障的诊断

利用色谱分析数据对主变压器进行故障定性、故障种类程度判别、故障部位诊断及发展趋势进行了分析诊断 ,并进行了故障处理     

基于键合图理论的故障诊断方法及在锅炉给水泵上的应用

利用键合图模型知识表达方式，可创建系统设备之间的复杂因果推理关系，从而生成故障树，进行系统的故障诊断。文中以锅炉给水泵为对象，提出一种基于键合图理论的定性故障诊断方法。在介绍故障树和键合图基本理论后，提出利用键合图生成故障树的概念，然后通过给水泵系统的键合图模型，给出了基于倒置因果分析方法的给水泵故障树，并为因果树中元素分配了定性值，利用故障树边界层元素的定性值分析法，定位出引起给水泵初始故障集的故障源。此方法具有定性故障诊断的优点，通过给水泵动态特性的仿真结果验证了该方法的正确性。     

基于小波模糊网络的电厂汽轮发电机组故障诊断

针对传统故障诊断方法在汽轮发电机组振动类多重并发故障诊断中的局限性，提出了小波变换与模糊理论相结合的诊断方法。采用二进离散小波变换获取有效的故障特征向量，利用模糊诊断方程进行故障模式分类。通过选择足够的样本对故障诊断方程进行训练，将代表故障的信息输入训练好的诊断方程，由输出结果即可判定故障类型。实际应用表明该方法可以有效诊断汽轮发电机组振动类多重并发故障，诊断结果全面、准确。     

基于符号有向图节点定量化模型的故障诊断方法

基于系统衍生节点的状态不可能比要对它施加影响节点状态差这一假定,该文研究了一种将SDG定性定量模型、主元统计法(PCA)和遗传算法相结合的电站热力系统智能故障诊断方法。通过用SDG构造系统模型,并结合节点的定量信息对节点之间的因果联系进行描述,形成SDG节点定量化模型;用PCA监控不同的变量,并考虑变量间的相关关系,有效地解决了确定节点故障发生的可能性大小的问题;用遗传算法对故障传播路径进行搜索,可以有效处理SDG定性模型中不可测节点干扰、计算量大和规则组合爆炸等问题。案例研究表明,该方法具有较强的故障诊断能力。     

基于因果模型的高压给水系统故障诊断

基于因果模型的故障诊断方法将系统按层次分解，利用变量之间的关系描述子系统的因果性，在局部的层次上使用故障检测和分离技术生成残差和分析残差，而在全局的层次上按照系统的因果结构进行推理。它是一种结合定量计算和定性推理的动态故障诊断方法。但因果模型的推理机制建立在局部线性模型的基础上，而实际系统绝大多数是非线性系统，固有的缺陷限制了它的应用。文中对因果模型进行了改进，将变量之间的影响扩展到非线性关系，并且论证了只要满足连续可微的条件，因果模型的推理机制就仍然适用。最后对某电站300 MW机组的高压给水系统进行了事故工况仿真，仿真结果表明这是一种有效的、鲁棒的故障诊断方法。     

基于事故树分析法的电力系统事故链监控研究

电力系统大面积停电事故一般是由并发连锁事件的复杂序列引起,如果在事故前建立系统事故失效模型,分析出造成系统失效的连锁事件序列,对混杂大系统的事故监控具有重大的指导意义。该文依据电力系统事故链监控理论,通过事故树分析方法建立电力系统事故失效模型,并以该模型的定性分析为基础得到系统失效事故链;定量分析了电力系统典型对称辐射网、不同负荷分布的环网结构的系统失效事故链;最后以新英格兰10机39节点系统为系统分析实例,进一步验证了事故树分析法的电力系统事故链监控的可行性和有效性。     

大停电事故后计及信息系统故障的机组启动次序优化策略

大停电事故后合理的机组启动次序方案有助于提高电力系统的发电量,进而加快电力系统恢复速度。由于电力系统调度控制高度依赖信息系统,在电力系统恢复过程中信息系统的故障会影响机组的启动次序。在此背景下,建立了考虑信息系统故障的机组启动次序优化模型。首先,介绍基于拒绝服务（DoS）攻击的信息系统故障,并分析机组恢复过程中信息系统故障对机组恢复特性的影响;然后,运用场景分析法处理信息系统故障时刻的不确定性,以最大化系统总发电量的期望为目标函数,考虑机组启动时间约束、与信息系统故障相关的辅助变量约束和机组启动功率约束,构建了机组启动次序优化模型,并采用线性化方法将所提出的模型转化为混合整数线性规划模型,采用商业求解器高效求解;最后,采用IEEE 39节点系统验证了所提出模型的有效性。     

大停电事故后计及信息系统故障的机组启动次序优化策略

大停电事故后合理的机组启动次序方案有助于提高电力系统的发电量,进而加快电力系统恢复速度。由于电力系统调度控制高度依赖信息系统,在电力系统恢复过程中信息系统的故障会影响机组的启动次序。在此背景下,建立了考虑信息系统故障的机组启动次序优化模型。首先,介绍基于拒绝服务（DoS）攻击的信息系统故障,并分析机组恢复过程中信息系统故障对机组恢复特性的影响;然后,运用场景分析法处理信息系统故障时刻的不确定性,以最大化系统总发电量的期望为目标函数,考虑机组启动时间约束、与信息系统故障相关的辅助变量约束和机组启动功率约束,构建了机组启动次序优化模型,并采用线性化方法将所提出的模型转化为混合整数线性规划模型,采用商业求解器高效求解;最后,采用IEEE 39节点系统验证了所提出模型的有效性。     

生产过程早期故障检测与诊断的一种新方法

在分析了生产过程两类故障的特点和常规故障诊断方法的缺陷基础上,提出了生产过程早期故障检测与诊断方法,利用故障发生过程系统中相关变量或征兆信息之间的解析冗余关系,将它们的动态趋势信息通过人工神经网络进行融合,将它们的动态趋势信息通过人工神经网络进行融合,避免了常规方法故障检测与诊断的滞后性。     

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R-L模型参数辨识的输电线路准确故障测距算法

输电线路的准确故障测距对于保障电力系统安全稳定运行具有重要的意义。该文充分利用了故障分量提供的故障信息，以模量分析与输电线路R-L模型为基础，提出了一种将故障状态网络的微分方程与故障分量网络的微分方程联立求解的单端量时域准确故障测距算法。该算法将故障距离、过渡电阻以及对侧系统的运行参数作为模型的未知参数进行求解辨识，利用数值微分代替测距方程中的一阶与二阶微分，消除了传统单端量故障测距算法中主要由于对侧系统实时运行参数未知而引起的原理性误差。该算法不受故障时系统的运行方式、网络结构以及电网频率波动影响。大量EMTP仿真表明，算法原理正确且具有较高的测距精度，在故障距离20—280km范围内测距的平均误差为0．0796％，最大测距误差小于0．173％，该误差主要来自截断误差，即用差分法计算时域连续信号的微分时所产生的误差。     

一种扩展隶属函数及其在故障诊断中的应用

为了解决故障诊断中特征变化量在正常运行值两侧变化分别对应不同故障类型的问题,提出了一种扩展隶属函数结构,将传统的隶属度值域从[0, 1]扩展到[-1, 1].将此方法用于改进模糊神经网络诊断模型,可以有效减小模型复杂程度.通过输电线路故障选线仿真证实了该方法的有效性.