基于粗糙集理论的故障诊断决策规则提取方法

为了在故障诊断信息不一致的情况下提取简单有效的诊断规则，提出了一种基于粗糙集理论的决策规则提取方法。该方法从定义的故障诊断决策系统出发，将故障诊断问题用一个具有不同简化层次的决策网络表示，在引入诊断决策规则的覆盖度概念后，推导出每个网络节点的诊断决策规则集。在应用网络进行故障诊断时，用待诊实例的信息与网络中相应节点的诊断决策规则集进行匹配，即使在故障诊断信息不完备的情况下，也能得到正确的诊断结果。以某往复机械故障为例验证了该方法的有效性。     

粗糙集理论提取配电网故障诊断规则的方法

针对决策表约简这一NP(NondeterministicPolynomial)难问题采用粗糙集理论进行配电网故障诊断,提出了一种以属性长度和频率作为启发式信息的约简算法和相应的属性值约简方法,实现了决策表的快速简化及故障诊断规则提取,同时针对故障诊断中存在信息残缺的情况,给出了基于欧氏距离的规则匹配方法。整个算法思路清晰,抽取的诊断规则形式简洁,不需要对区分矩阵进行大量计算就能有效地获取决策表的最佳约简。仿真实例表明该方法计算速度快,获取的规则不仅形式简单且能反映出故障的特点;形成的故障诊断规则库能给出一个满意的诊断结果,方法具有良好的容错性能和在线故障诊断的潜力。     

采用粗糙集联合规则挖掘算法的分布式电网故障诊断

鉴于传统的人工智能技术在大电网故障诊断应用中存在的局限性,采用分布式的思想来解决该问题,并提出一种基于粗糙集理论的联合规则挖掘算法,该算法能够有效地从分布式信息系统中提取联合规则。为了更好地解决电网故障诊断问题,构建了基于该联合规则挖掘算法的分布式电网故障诊断模型。该模型不仅能够有效地诊断各局部电网内部的故障,而且能够有效地诊断各局部电网之间联络线的故障,弥补了分布式电网故障诊断中联络线故障诊断规则不足的缺陷。对大电网进行分割,不仅能够有效识别各类复杂故障,而且也使得每个局部电网决策表的规模大为减小,同时联合规则挖掘算法也显著地降低了规则提取的复杂度,解决了粗糙集理论在大电网故障诊断中遇到的瓶颈问题。算例表明该方法简单、有效、速度快、容错性好。     

基于粗糙集和自适应遗传算法的电力变压器故障诊断

采用自适应遗传算法和粗糙集相结合的方法对电力变压器的决策信息表进行属性约简,并进一步采用改进的值约简算法以获取最小决策表,从最终的约简决策表中提取出故障诊断规则.通过引入初始种群预处理、最优L个个体保存法、双亲单子法等操作加速算法的收敛速度,并结合两个实例证明了规则的正确可行性.整个算法简单、快速,可有效地应用于电力变压器的故障诊断中.     

基于小生境正交遗传算法的地区电网实时无功优化

在基本遗传算法（SGA）的基础上,引入生物学中小生境的概念和正交设计技术,制定了初始种群生成方法,以保证个体的多样性,并在遗传算法选择、交叉和变异等操作中做出相应改进,从而形成可用于电力系统实时无功优化的小生境正交遗传算法。应用此算法时,通过采用一种典型小生境技术结合最优保存策略的小生境最优选择方法来进行种群的选择,减少了迭代过程中陷入局部最优解的可能性,并进一步减少迭代次数。仿真算例结果标明：在优化条件相同时,该算法的迭代次数明显少于基本遗传算法,显著提高了无功优化的收敛速度。     

基于粗糙集的电网操作票规则提取

操作规则库是实现电网操作票自动生成的基础,操作票规则获取的实质是明确不同操作设备的先后操作顺序。以降低操作规则冗余度、提高操作票系统应用的灵活性为目标,提出一种基于粗糙集理论的操作票规则挖掘策略。分析电网调度操作特点,构建操作认知图;以实际电网操作票为数据源,构建初始操作规则库;基于上述分析,生成分类操作决策表;采用基于等价矩阵的快速约简方法对各决策表进行属性以及属性值约简,生成最简约决策表,从中提取操作规则,生成规则库。某地区电网实际算例验证了方法的有效性。     

基于遗传算法和模拟退火算法的电力系统的故障诊断

根据元件故障与保护动作和断路器跳闸之间的逻辑关系，首先把电力系统的故障诊断问题表示为０－１整数规划问题。在此基础上，采用了两种方法求解，第一种方法是遗传算法，第二种方法是模拟退火算法。这两种方法都能以较大的概率收敛到全局最优解，并能够求得多个最优解。提出的方法理论严密，与当前比较流行的以启发式知识为基础的专家系统方法不同。本文的方法可以处理任意复杂的故障，也可以处理有保护和断路器误动作的情况，且计算时间与故障的复杂程度基本无关。此外，提出的方法原则上适合于并行处理。     

基于粗糙集理论的电网报警规则自动提取与应用

针对目前国内外在电网报警信息处理中忽视各个报警信息内在逻辑关系的问题,在研究历史报警记录基础上,抽取报警记录,利用粗糙集理论形成电网报警决策表,并对决策表进行属性约减和值约减,自动提取电网智能报警规则.利用提取的规则和电网拓扑结果对上传的报警信息进行逻辑推理,将综合报警信息及时准确地提供给调度运行人员,实现了报警信息处...     

基于粗糙集理论的电网报警规则自动提取与应用

针对目前国内外在电网报警信息处理中忽视各个报警信息内在逻辑关系的问题,在研究历史报警记录基础上,抽取报警记录,利用粗糙集理论形成电网报警决策表,并对决策表进行属性约减和值约减,自动提取电网智能报警规则.利用提取的规则和电网拓扑结果对上传的报警信息进行逻辑推理,将综合报警信息及时准确地提供给调度运行人员,实现了报警信息处理的初步智能化.经现场检验,提取的报警规则具有正确的逻辑意义,可对电网进行准确有效的报警.     

基于粗糙集理论的配电网故障诊断方法的研究

本文将粗糙集理论运用到配电网故障诊断中,将保护和断路器等信号作为对故障分类的条件属性集,以决策表为主要工具,通过属性约简和规则提取,实现了在信号缺失情况下配电网的故障诊断.通过算例表明,该方法能有效解决故障诊断中信号不完备的问题,提高配电网故障诊断的诊断性能和应用价值.     

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。     

基于粗糙集理论的配电网故障诊断规则提取方法

As the first step of service restoration of distribution system,rapid fault diagnosis is a significant task for reducing power outage time,decreasing outage loss,and subsequently improving service reliability and safety.This paper analyzes a fault diagnosis approach by using rough set theory in which how to reduce decision table of data set is a main calculation intensive task.Aiming at this reduction problem,a heuristic reduction algorithm based on attribution length and frequency is proposed.At the same time,the corresponding value reduction method is proposed in order to fulfill the reduction and diagnosis rules extraction.Meanwhile,a Euclid matching method is introduced to solve confliction problems among the extracted rules when some information is lacking.Principal of the whole algorithm is clear and diagnostic rules distilled from the reduction are concise.Moreover,it needs less calculation towards specific discernibility matrix,and thus avoids the corresponding NP hard problem.The whole process is realized by MATLAB programming.A simulation example shows that the method has a fast calculation speed,and the extracted rules can reflect the characteristic of fault with a concise form.The rule database,formed by different reduction of decision table,can diagnose single fault and multi-faults efficiently,and give satisfied results even when the existed information is incomplete.The proposed method has good error-tolerate capability and the potential for on-line fault diagnosis.     

采用量子遗传算法的船舶电网故障诊断方法

为在船舶电网发生故障时能准确的确定故障元件,在深入分析船舶电力系统独特的结构和保护配置特点的基础上,考虑保护或断路器拒动情况下计及主保护、后备保护之间状态关系对目标函数的共同影响建立了适合船舶电力系统故障诊断的数学模型,利用量子遗传算法具有比普通遗传算法更好的种群多样性、更快的收敛速度和全局寻优的能力的优点对故障诊断数学模型进行求解,并利用典型船舶电网故障算例对所提方法进行了验证,算例结果说明了该故障诊断模型的合理性和诊断结果的准确性.     

基于改进粗糙集约简算法的配电系统在线故障诊断

针对在实际的配电系统故障诊断中，往往要面对从海量数据中找到真正对于诊断结果有帮助的关键数据问题，提出了一类基于遗传算法的粗糙集约简算法，可以在较少信息的情况下获得正确的诊断结果。在分析了遗传算法中各个主要参数对算法结果的影响基础上，重点讨论了适应值函数中目标函数、惩罚函数以及惩罚因子的构造方法，并对于其他关键参数及算法进化过程针对粗糙集约简特点进行了修正。与传统的粗糙集约简算法相比，文中的方法能够有效找到最优的属性约简结果，同时大大提高了算法的效率和实用性。将算法应用于美国PG&E的69节点配电系统进行仿真，对于202个属性，319条记录的复杂数据进行了有效的约简，结果表明算法对于实际的复杂配电系统能够进行故障诊断。     

小生境遗传算法在状态估计中的应用

提出了一种基于小生境遗传算法的求解状态估计问题的新方法,根据加权最小二乘法原理导出状态估计模型可计及各种伪量测。采用小生境遗传算法可提高计算速度,并改善收敛性。仿真计算表明,该方法是有效的,而且精度高、数值稳定性好。     

基于小生境技术改进遗传算法在供电网规划中的应用

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是使算法科学的处理种群多样性及最优解信息搜索策略。结合小生境进化共享思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,并将之用于多目标电网扩展规划中。对Gaver-6节点网络进行了规划,仿真结果证明了这种算法的有效性。     

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。     

基于BP网络算法优化粗糙-Petri网的电网故障诊断

为了使电网故障诊断的过程更简洁、快速和直观,提出了一种基于BP网络算法优化粗糙-Petri网的电网故障诊断方法。首先用粗糙集理论对电网的故障征兆数据进行处理,从冗余的故障信息中约简出最小决策表;然后基于得到的最小决策表提取诊断规则并建立最优的 Petri 网模型,利用 Petri 网处理并行推理的能力来实现高效的电网故障诊断。其中引入神经网络中的BP算法对电网故障诊断Petri 网模型的权值参数进行网络优化训练。电网实例分析结果表明该模型能准确找到故障区域,具有较好的快速性、自适应性和一定的容错性。     

基于粗糙集与决策树的配电网故障诊断方法

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诊断结果的问题,提出一种基于粗糙集与决策树的配电网故障诊断算法,实现了对故障样本决策表进行无教师的规则提取。该算法将配电网的原始样本集转化成决策表,利用粗糙集具有较强的处理不确定和不完备信息的能力,对决策表的条件属性进行约简处理;同时,利用决策树具有快速学习及分类的优势对约简后的决策表进行诊断规则提取;将产生的规则运用于配电网故障诊断中以实现快速故障诊断。该算法提高了配电网故障诊断的精度和鲁棒性,最后通过算例验证了该算法的有效性。