Power Distribution Outage Cause Identification With Imbalanced Data Using Artificial Immune Recognition System (AIRS) Algorithm

Power distribution systems have been significantly affected by many fault causing events. Effective outage cause identification can help expedite the restoration procedure and improve the system reliability. However, the data imbalance issue in many real-world data often degrades the outage cause identification performance. In this paper, artificial immune recognition system (AIRS), an immune-inspired algorithm for supervised classification task is applied to the Duke Energy outage data for outage cause identification using three major causes (tree, animal, and lightning) as prototypes. The performance of AIRS on these real-world imbalanced data is compared with an artificial neural network (ANN). The results show that AIRS can greatly improve the performance by as much as 163% when the data are imbalanced and achieve comparable performance with ANN for relatively balanced data     

加权模糊核聚类法在电力变压器故障诊断中的应用

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对模糊C均值聚类算法用于溶解气体成分分析时存在的问题,将加权模糊核聚类方法(WFKC)引入到电力变压器故障诊断中,建立了一个新的变压器故障诊断模型。该法首先考虑到样本中不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对样本特征进行加权,然后将样本从输入空间映射到高维特征空间,在特征空间实现加权模糊核聚类。形成的模型充分考虑了不同特征对聚类结果的不同影响,能有效改善复杂数据集的聚类性能,提高了故障诊断的正确率。案例分析表明,该法能快速有效地对样本进行聚类,从而验证了该法在变压器故障诊断中的有效性和可行性。     

基于人工免疫分类算法的电力变压器故障诊断

基于人工免疫识别原理提出一种电力变压器故障诊断方法。该算法模拟自然免疫中抗原和B细胞相互作用机制,将故障样本(变压器油中溶解气体体积)作为抗原,用加权欧氏距离计算亲和力,兼顾分量单项超标故障信息,通过免疫训练,获取表征故障样本的人工识别球集合,再用最邻近分类法对故障样本分类。实例表明,该算法能有效识别变压器故障,具有较高的检测准确率,在电力变压器故障诊断中有良好的应用前景。     

自适应和模糊推理结合的故障分类新方法

输电线上许多类型的故障伴随低阻抗故障和高阻抗故障发生,传统的保护方法不能正确地检测和分类.提出了一种基于自适应网络的模糊推理机制(ANFIS)对低阻抗故障和高阻抗故障进行故障检测和分类的新算法.算法的性能已得到韩国典型的154 kV输电线系统在各种故障条件下的测试.测试结果表明ANFIS能在半个周期内准确地检测故障和区分故障类型(包括低阻抗故障和高阻抗故障).     

Power System Ground Fault Current Distribution Using the Double-Sided Elimination Method

One of the most frequent faults in power systems is the single line-to-ground fault. During such an event, large fault current circulates through the system, grounding network and the earth, returning to generating sources. It is this type of fault that is being referred to in this paper as ground fault or, simply, fault. Considering a power system of a relatively simple network configuration, and using the double-sided elimination method, direct solution for the fault current and its distribution among neutral conductors and the earth is derived. The entire faulted subsystem is modelled considering its grounding network as an integral part. The solution is general and the computer memory and time requirements are very modest. A parametric analysis was carried out to investigate the effect of various factors on the ground potential rise caused by the fault current.     

故障录波信息和D_S证据理论用于电网故障诊断

当电网发生故障时,传统的故障诊断方法仅仅利用了开关量信息而没有充分利用故障录波信息,而故障录波信息在准确性、完备性和容错性等方面有开关量信息无法比拟的优势。为了充分利用故障录波信息进行电网故障诊断,通过小波变换对发生故障前后电流波形进行分析,采用小波奇异度和小波故障度分别表征电网元件的故障概率,但是由于故障的不确定性和复杂性,这两种故障表征方法都不能独自准确地诊断故障元件,因此提出采用D-S证据理论对多种故障表征方法进行信息融合,能够准确诊断故障线路。基于PSCAD仿真实例证明,该方法能提高对故障诊断结果的支持度及故障诊断的准确性,在电网故障诊断中有良好的应用前景。     

应用数据融合的电网故障诊断

电网发生故障时,由于保护及断路器的拒动、误动等因素使得诊断结果存在不确定性。首先提出了应用数据融合的电网故障诊断方法;再针对融合故障发生时的开关量和电气量信息,利用模糊Petri网对开关量信息进行分析,利用希尔伯特-黄变换HHT(Hilbert-Huang transform)对电气量进行分析,提取开关量故障度、幅值故障度、频率故障度和能量故障度,并利用D-S证据理论对各种故障表征予以融合,进而得故障诊断结果;最后,通过仿真验证所提方法能充分利用电气量信息,减小单一开关量的不确定性因素的干扰,提高故障诊断的精度。     

基于实测数据的电力系统过电压分类识别

构造了一个有效的基于实测数据的过电压自动分类识别树。首先抽取过电压信号的时域特征量,将过电压类别集合分为2个子集。其次对信号进行离散小波变换,抽取小波变换域特征量。为使小波变换域特征量更具区别性,对2个子集内的过电压信号采用不同的采样频率和小波分解层数。最后在分类树的各节点构造一个支持向量机二值分类器,采用实测过电压数据进行交叉验证。总识别率达95%,验证了分类树的有效性。     

配电系统的快速故障检测与识别方法

为了实现对配电系统中不同类型开路故障的高效检测和准确识别,提出了一种改进的多分类支持向量机方法.以电网的电压有效值为输入信号,可在配电系统不同节点电压变化影响下对开路故障进行检测和识别.利用MATLAB软件对IEEE 13节点测试系统进行暂态开路故障的仿真分析.结果表明了方法的准确性、有效性、鲁棒性和实时性.     

基于负序功率方向比较和模糊C均值聚类的电网故障区域识别

提出了一种负序功率方向比较原理与模糊C均值聚类相结合的电网故障区域判别方法.该方法首先根据各智能电子设备提供的状态信息构成特征向量,作为聚类算法的输入,然后对聚类结果进行分析,IED元件最少的一类为故障元件组,最后通过IED关联规则及负序功率方向比较原则得到故障元件.在容错性方面,对保护状态信息不准确和缺失都进行了分析.仿真试验结果表明,该方法在故障区域判别方面具有较高的容错性和定位精度.     

基于自适应概率学习的配电网故障辨识技术

为了提升配电网故障辨识准确率,提出了一种基于自适应概率学习的早期故障诊断方法。该方法通过波形分解和最大化特征相似性找到最佳线性映射,将仿真数据和真实数据映射至同一特征空间,且在此空间中两者分布差异最小,之后即可使用仿真数据训练模型并对真实数据进行分类,从而解决配电网故障辨识中样本量不足这一重要问题。基于系统仿真数据和现场实际数据表明：所提方法对于自适应学习条件下早期故障诊断的可靠性和准确率,远优于同等条件下的卷积神经网络、支持向量机和K邻近算法等常用分类模型;为自适应学习条件下的配电网故障辨识技术提供了一种新的思路。     

配电系统多重故障辨识及恢复策略研究

配电系统中单相接地、断线、电压互感器高压熔丝熔断及铁磁谐振均会造成零序电压升高及相电压异常,且易互相诱发形成多重故障,传统的故障处理流程无法对其进行精准快速的辨识和恢复。在分析配电系统接地、断线激发铁磁谐振原理的基础上,结合单相接地、断线、电压互感器高压熔丝熔断及铁磁谐振的故障特征,提出了配电系统多重故障辨识及恢复策略。在每次试断开线路前,根据电压幅值及其波动情况,排除谐振及电压互感器高压侧熔断的干扰;利用综合故障测度确定并隔离接地线路。实际案例分析说明了所述策略的故障处理过程,证明了该策略的有效性。     

低压配电网故障智能识别系统的研究

提出了一种识别380 V低压配电网故障的方法。以此为基础研发了低压配电网故障智能识别系统。通过在低压配网的相应位置,如箱式变电站的低压开关、低压电缆分支箱、环网柜等设备的电缆出口处安装该智能识别系统,自动记录故障区域、故障类别、故障前后的电量有效值和相关故障波形图,供技术人员比对、分析,确定故障区域和严重程度,为准确、快速处理电网故障提供依据。     

采用电流余弦相似度的含DG配网故障识别策略

分布式电源接入致使配网故障情况更为复杂,负荷分支电流难以获取,导致电流差动保护难以应用.基于此,本文提出一种基于电流余弦相似度比较的配网故障识别新方法.基于余弦相似度理论,利用配网多分支测量信息,构建进线电源电流与各输出电流的余弦相似度比较判据,实现故障区域判别;利用故障区域干线测量信息,逆向逐级比较余弦相似度判断故障...     

利用电力电子装置的探测式故障识别技术分析与展望

电力电子装置在电力系统大量接入改变了电网故障特征,适用于同步机激励下电网的常规继电保护面临挑战。电力电子化电力系统故障暂态特征复杂、持续时间较短,限制了被动检测保护技术的应用和发展,利用电力电子设备的可控能力可以提高继电保护对故障的甄别能力。文中总结了控制与保护融合的探测式故障识别方法的关键技术,对能够实现主动探测的电力设备进行了分类,阐述了实现注入操作的可行性和注入探测信号的物理限制,最后探讨了探测式故障识别方法的应用场景,并给出了研究展望。     

基于五次谐波特征数据的配网单相接地故障识别方法

针对配网经常发生的单相接地故障,提出了一种基于五次谐波特征数据的故障识别方法.首先分析了配网接地故障的特点以及故障相和非故障相五次谐波相量的关系.对小波包能量计算进行了说明,提出了基于小波包能量的利用五次谐波电压和电流的接地故障辨识方法,通过提取零序电流中的五次谐波,并对小波包分解得到总能量值,从而实现对故障线路的选线.最后针对具体算例对所提方法进行了仿真,说明了所提方法的有效性.     

基于数据相关性分析的电网故障时刻确定与故障识别方法

提出了一种基于正态分布的故障时刻确定方法和基于特征向量法的故障类型识别与故障定位方法。利用各节点处PMU采集的三相电压数据构建数据源矩阵,通过分析时间窗矩阵中各列数据的正态分布曲线,实现故障时刻的确定;再利用数据源矩阵的样本协方差矩阵作为特征向量法的判断矩阵,通过分析2个最大特征值对应特征向量中的异常元素,确定故障位置并识别故障类型。以IEEE39节点系统为例,验证了方法在电网发生各类故障以及复故障时均能有效实现故障时刻确定与故障识别,并且证明了所提方法对不良数据有较好的鲁棒性。     

基于随机规划理论的含异步风机的配电网故障重构

基于风电的间歇性、随机性,建立了异步风电机的注入功率模型。考虑到风速具有Weibull分布随机性,将随机规划理论应用到含异步风电机的配电网故障恢复重构中,建立基于机会约束规划的故障恢复重构问题目标函数;然后将结合禁忌模因局部搜索的单亲遗传算法应用到模型优化求解中,加快了优化问题的求解,并以IEEE33系统算例验证了文中方法的有效性。     

基于CNN-SVM的配电网故障分类研究

针对CNN 在配电网高阻故障时分类准确率低的问题,提出了一种将CNN和SVM 相结合的配电网故障分类研究方法。首先将故障数据转换为时频谱灰度图,作为训练集输入到CNN中;然后采用SVM代替CNN中的Softmax分类器构建CNN-SVM模型,并通过网格搜索算法对SVM超参数进行寻优;最后进行多工况算例分析验证所提方法优越性。算例分析结果表明,CNN-SVM模型比传统CNN-Softmax模型在高阻故障时具有更高的分类准确率,且在主变压器中性点接地方式变化、网络结构变化、噪声干扰及单相弧光接地等工况下仍具有良好的适应性。     

电力系统故障录波数据分析

电力系统故障录波数据是电力系统故障分析和保护动作判据的重要依据。本文提出了据电力系统故障录波数据完善了频率分析、谐波分析、故障定位的数学分析方法。采用java编程语言完成部分过程的编制工作。同时针对目前双端测距存在的伪根问题,提出了一种新的求解过程。