排序方式: 共有6条查询结果,搜索用时 53 毫秒
1
1.
计及时序信息检查的分层模糊Petri网电网故障诊断模型 总被引:2,自引:0,他引:2
研究一种计及时序信息检查的电网故障诊断分层模糊Petri网模型。为了简化诊断模型,构造线路与母线的分层模糊Petri网。深入分析了电网故障诊断中故障、各保护与断路器之间的一元与二元时序约束关系,提出了一种对线路两端保护与断路器动作的时序约束交叉检查方法,对不满足时序约束的保护与断路器动作的概率进行修正。对该分层模糊Petri网进行逆向推理找到故障元件,通过正向时序推理发现误动与拒动的保护与断路器。典型电网的多组案例测试结果验证了该分层模糊Petri网诊断模型的有效性。 相似文献
2.
3.
基于时序贝叶斯知识库的电网故障诊断软件原型系统设计 总被引:1,自引:0,他引:1
为了在故障后辅助调度员准确定位故障元件,揭示故障发展过程,文中利用时序信息设计了一种基于时序贝叶斯知识库(TBKB)电网故障诊断方法的原型系统。该诊断方法利用元件故障与保护动作、保护动作与相应断路器跳闸等之间的因果关系与时序关系,建立电网故障诊断模型,通过时序约束一致性检查方法,检查保护、断路器动作的时序。针对信息缺失情况进行状态假设,形成假设状态组合。通过贝叶斯推理,判断故障元件、误动与拒动的保护与断路器。根据此原理设计的原型系统,包括数据获取、TBKB模型建立、故障诊断推理、分层因果图显示等模块,给出了TBKB诊断模型自动生成、诊断算法实现、分层因果图的构造与显示等关键技术的实现。该原型系统为电网故障诊断的工程应用提供了参考。 相似文献
4.
电网故障时有大量报警产生,充分利用报警信号及其时序信息,处理好保护与断路器误动、拒动、信息缺失等不确定性情况,对于电网故障诊断显得非常重要。时序贝叶斯知识库(temporal Bayesian knowledge bases,TBKB)能够清晰表达多个事件之间的时序约束关系,并具备贝叶斯网络的推理能力。建立了基于TBKB的电网故障诊断模型,提出了元件故障与保护动作、保护动作与相应断路器跳闸等之间的时序因果关系(TCR)表达、时序约束一致性检查方法。根据电网结构,可先在线搜索出疑似元件,再对它们自动构造TBKB模型。针对信息缺失节点的状态进行假设,形成假设状态组合。针对这些状态组合,通过贝叶斯反向、正向推理,可判断故障元件,误动与拒动的保护与断路器。多个算例验证了该方法的有效性。 相似文献
5.
基于保护元件与PMU数据多源的广域后备保护算法 总被引:1,自引:0,他引:1
为了提高广域后备保护的准确性与容错性,提出了一种同时利用传统保护元件和相量测量单元(PMU)数据的广域后备保护算法。将实时获得的广域保护动作加权,得到综合判断值,然后采用高斯函数获得对应的故障概率。同时,根据统计数据,由正序电压幅值、线路两侧正序电流相角差,计算得到PMU数据对应的故障概率,再将两种故障概率加权综合。在理论上定量地分析了广域保护容错的极限位数。在IEEE 14节点系统上的多组案例实验结果表明,该算法对多个保护误动与拒动有较高的容错性,并且能够检测多重故障。 相似文献
6.
1