基于分布估计算法和遗传算法融合的神经网络故障诊断模型研究

本文构造了基于分布估计算法(Estimation of Distribution Algorithm,EDA)和遗传算法(GeneticAlgorithm,GA)融合的神经网络(Neural Network,NN)故障诊断模型。传统的GA看作是对生物进化"微观"层面上的模拟,则EDA是对生物进化"宏观"层面上的建模,是一种全新的进化模式。EDA与GA融合的实质是在解空间"宏观"和"微观"两个层面进行寻优,可克服NN陷入局部最小,提高NN的泛化能力,使故障诊断的容错性能得到有效改善。将该模型用于高压输电线系统的故障诊断,并作容错性能的评估。由仿真测试表明,研究模型的容错性能要优于传统的BP-NN模型和单纯GA优化NN模型。因此,新诊断模型是有一定的理论和实用价值的。     

数据挖掘技术及其在电力系统中的应用

介绍了数据挖掘技术的发展概况、实现方法，及其在各领域中的主要应用情况，全面综述了国内外数据挖掘技术在电力系统中的应用动态，展望了其今后的发展趋势。     

多层多原理STLF评估系统

根据电力市场运营对短期负荷预测STLF(Short Term Load Forecast)高精度要求,提出多层多预测原理的STLF评估系统。系统由人机交互层、评估决策层、多原理预测层和数据库管理层构成。根据具体负荷特性、运行情况、评估结果自适应选择高精度原理的预测Agent执行。按评估系统多数据源的需求,采用ADO．NET实现复杂互联网环境下异构数据库的集成,构建负荷预测专用数据仓库,给出了负荷预测计算服务的Web Service实现方法。     

基于相电流间相位关联特征的馈线单相接地保护新原理

配电网单相接地故障时，故障馈线上的故障相暂态电流分量包含了所有馈线上非故障相的暂态电流分量，经复小波变换后故障馈线的各相之间形成幅值和相位之间相对关联特征。依据此特征提出了基于组合复小波频带等效相位判据构成单相接地保护新原理。该保护是依据三相暂态电流之间存在相位关联特征,经组合复小波变换提取频带等效相位特征构成保护相位特征判据，并在判据中引入消除坏数据影响的风险系数。大量仿真验证了所提出的保护原理能够准确地判别单相接地故障，具有较高的可靠性和灵敏度，无须整定计算，自适应能力强，适合于非有效接地方式的各种配电网；保护方式可直接融合于间隔单元中，并作用于一次性重合方式，可大大提高供电可靠性。     

基于不同RS与NN组合的数据挖掘配电网故障诊断模型

在将基于RS(粗糙集)理论的数据挖掘用于配电网故障定位诊断模型研究的基础上，提出和构造了4类不同的RS与NN（神经网络）组合的故障诊断模型，给出了RS与NN在4类模型中实现不同的互补性、关联关系、应用机理和原则及相应的局限性。通过对5类模型的仿真测试结果比较，证明数据挖掘模型潜在知识发现的重要意义，并对4类模型中RS的应用机理和性能作出全面的评估。文中对RS和数据挖掘研究的评估对其他领域的故障诊断研究具有同样的指导意义。     

谐振接地配电系统馈线单相接地故障的暂态电流保护新原理

该文提出了用于中性点谐振(经消弧线圈)接地模式配电网馈线单相接地暂态电流保护的新原理。该保护的判断准则是理论分析的定义，所以是固定不变值，它具有较高的可靠性和灵敏度，毋须整定计算。在谐振接地系统馈线单相接地故障时，故障馈线的故障相暂态电流分量(TCC)与非故障相TCC的差别在于有消弧线圈提供的电感性TCC。为了消除电感性TCC的影响，文中提出了基于正交小波分解算法的、有选择性地提取馈线各相间TCC组合特征频带的测度比值作为判断准则，这样可获得与判断准则。经ATP和MATLAB仿真验证表明：该保护原理具有可行性、有效性和适应性，适合于谐振接地模式的任何配电系统。     

基于相空间重构理论和优化递归神经网络结合的短期负荷预测方法

根据电力负荷序列的混沌特性,提出以相空间重构理论和优化递归神经网络结合的电力系统短期负荷预测方法,以相空间重构理论确定递归神经网络输入维数;训练样本集由对应预测相点的最近邻相点集构成,并按预测相点步进动态相轨迹生成;优化递归神经网络是以双重遗传算法来确定递归神经网络的隐层结构和权值,总体寻优性可抑制伪近邻点的影响,保证提高预测精度及其稳定性。对两类不同负荷系统日、周预测仿真测试,证实其比传统神经网络预测模型能有效地提高预测精度0.8%。因此,所研究的预测模型和方法在实际预测领域有较高的实用价值。     

基于神经网络实用稳定性理论提高FNN容错性的方法及其在电力系统中的应用

在神经网络（NN)实用稳定性理论和对前馈神经网络(feed-forward neural network,NFF)容错性能（fault-tolerance performance,FTP)理论分析的基础上,提出了一种提高FNN容错性的实用方法,该法建立了基于FNN学习与模糊处理相结合的FNN模型重构机理,以改变FNN“伪吸引子”和“伪吸引域”来地提高FNN的FTP。文中以电力输电线路故障诊断为例,通过仿真测试证明了所提方法的可行性,并能有效地提高FNN的FTP,所研究的方法为基于FNN实时信息处理系统的实际应用提供了重要的保证。     

基于模糊预测的自适应控制方法及应用

针对带有时滞、不确定性的工业过程 ,提出了一种基于模糊预测的无辨识自适应控制方法。这种方法不需要过程的数学模型 ,只要在线检测过程的实际输出和期望输出 ,通过模糊预测控制校正无辨识自适应控制律 ,即可以对时滞、建模困难的工业过程实现自适应控制。采用这种控制方法对冷轧过程中局部板形缺陷进行控制 ,取得了理想的控制效果。     

电力系统故障暂态信号中提取基波分量的短窗积分法

提出了短窗积分提取基波分量法,即首先选定采样短窗及其上的一族基函数,由此建立积分线性方程组,通过解方程组得出基波分量的值,并给出了理论推证。经仿真并与半波傅氏、半波差分方法进行比较,证明了短窗积分法的优越性。与全波傅氏算法进行仿真比较,结果说明两者的误差相差很小,但短窗积分法的采样计算时间优势决定了其具有良好的实用价值。