基于油中溶解气体分析数据挖掘的变压器绝缘故障诊断

充分利用粗糙集理论对知识的约简能力与模糊径向基函数(RBF)神经网络优良的分类诊断能力,基于粗糙集与RBF网络实现数据挖掘的电力变压器绝缘故障诊断。该方法一方面将粗糙集作为RBF神经网络的前置,对经离散化的样本集进行约简,形成精简的规则集,将高于一定可信度的挖掘规则用于电力变压器故障诊断;另一方面,将粗糙集挖掘的低于可信度要求的规则所对应的挖掘样本,作为模糊RBF神经网络的训练样本集,同时将粗糙集对这些样本的聚类结果作为模糊RBF神经网络的聚类因子,在此基础上构建改进的4层RBF神经网络,用来诊断不能用粗糙集挖掘的规则诊断的事例。经检验,系统具有较好的分类诊断能力。     

电力系统故障论断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向ＢＰ网络作为故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神经     

电力系统故障诊断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力 系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向BP网络作 为 故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方 案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用 专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神 经网络的电力系统故障诊断系统具有更好的性能。     

高压断路器故障诊断专家系统中快速诊断及新知识获取方法

高压断路器是电力系统关键设备之一，对其进行快速故障诊断对于事故发生后快速寻找故障发生的原因，解决事故源，确保电力系统迅速恢复正常运行有重要的意义。通过改进广义径向基人工神经网络(RBF)算法，使其具有快速故障诊断和网络自更新能力，并应用于断路器在线故障诊断专家系统。专家系统通过神经网络处理在线监测装置传送的故障数据，得到故障类型编码，利用该编码通过正向推理从知识库中找出对应的故障类型，并给出合理的故障解决办法。同时，利用神经网络的自更新能力和与专家系统的配合，专家系统还具有新知识的获取能力。     

基于粗糙集和AFSA-BP的水电机组故障诊断

将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。实验结果表明：该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。     

基于粗糙集理论和神经网络模型的变电站故障诊断方法

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的变电站故障诊断方法.即利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行分层挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.变电站故障诊断实例表明了该方法能有效地缩小问题求解规模,且具有较强的抗干扰能力.     

基于粗糙集和聚类PSO-RBF的水电机组故障诊断

正将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,     

融合粗糙集和神经网络的变压器故障诊断

为提高变压器故障诊断的准确性,进行了利用粗糙集和神经网络来诊断变压器故障的研究。首先将连续属性的决策表离散化,部分属性采用基于油中溶解气体分析知识的方法离散化,部分属性采用自然算法和等频划分算法离散化;然后用粗糙集属性约简方法对离散后的决策表进行属性约简以获取最小决策表,约简后的最小决策表反映了变压器油中溶解气体的5种比值与故障的关系,是对IEC三比值法的扩展;最后用最小决策表训练BP神经网络,并用测试数据对训练后的BP神经网络进行检验。结果表明该方法比IEC三比值法有更高的故障判断准确率,结合粗糙集和神经网络诊断变压器故障可约简变压器故障诊断决策表,简化神经网络的结构,提高故障诊断的准确率。     

基于变精度粗糙集-支持向量机的断路器故障诊断

由于断路器运行时监测数据量大,以前采用的反向传播算法(back propagation,BP)神经网络、径向基函数(radical basis function,RBF)神经网络的故障诊断存在网络结构复杂、诊断速率慢等缺点,为了快速准确地得出断路器故障原因,提出一种基于变精度粗糙集-支持向量机的断路器故障诊断算法。利用变精度粗糙集约简决策表去除断路器庞大监测数据里的冗余信息,降低过程数据的维度,并结合支持向量机对粗糙集处理后的信息进行故障诊断,可减少诊断时的主观因素,并具有容错性和解释性,该诊断方法是可以有效实施的。     

基于数据挖掘模型的高压输电线系统故障诊断

在大多数故障诊断系统中,由于诊断所依据的实时信息在其形成和传递过程中都有可能产生信息的畸变,从而导致故障诊断结果的错误。文中提出利用基于粗糙集理论的数据挖掘模型来处理实时输入信息的畸变和实现输电线系统的故障诊断,它是依据粗糙集定性分析能力对知识域的数据集进行分析,粗糙集的约简是通过遗传算法求取。还给出了构造测试样本的理论准则,从而使检验故障诊断系统的容错性能具有保证和真正的实用价值。通过仿真测试证明,基于数据挖掘模型的故障诊断与基于神经网络模型的故障诊断相比,具有更高的容错性能。     

基于故障录波器信息的故障诊断系统

对人工神经网络（ANN）方法应用于变电站故障诊断进行了研究,提出了一种基故障录波器信息的故障诊断系统。该系统中,核心部分是三层前向BP网络分别对变电站内的变压器、线路和母线构造相应的故障诊断ANN模型,对每种保护、断路器和自动装置构造相应的动作性能诊断模块。仿真计算结果表明：基于波器信息的将ANN应用于变电站故障诊断的方法是一种有效的方法。     

变压器差动保护单相接地灵敏度分析

变压器差动保护电流相位调整通常采用Y→△变换 ,在单相故障时灵敏度低于相间短路与三相短路灵敏度。分析了各种电流相位调整方法在单相接地时的灵敏度 ,证明△→Y变换在单相接地时灵敏度最高     

基于IEC 61850的电网故障诊断完全解析化建模

电网故障诊断完全解析模型在对故障诊断规则进行解析的过程中,完整保留了电网元件、保护动作和断路器跳闸之间的逻辑关系,有很好的容错能力和应用前景。文中基于IEC 61850标准,提出一种利用变电站系统配置描述文件(SCD)构建电网故障诊断完全解析模型的方法。该方法通过解析变电站系统配置描述文件,获取系统元件的保护配置信息和保护动作与断路器跳闸的逻辑关系,再结合电网拓扑信息,可在线生成电网故障诊断的完全解析模型。最后,通过一个复杂故障的诊断算例证明了该建模方法的可行性,可望用于在线故障诊断。     

基于面向对象技术的变电站故障诊断及恢复处理专家系统 (一)总体设计与建模

提出了一种变电站新型故障诊断及恢复处理专家系统的总体设计方案，采用最新的面向对象 (OO)技术和方法建立了变电站网络拓扑及故障诊断模型，并用OO方法进行了警报处理， 从而为故障诊断奠定了基础。     

集成冗杂保护信息的扩展Petri网故障诊断

提出用扩展Petri网后向诊断模型来处理具有冗杂保护信息的电力系统故障,其有效性在宿豫县黄墩变故障诊断中得到了印证,同时也与前向Petri网演绎仿真所得的结果相吻合。不确定或不正确的保护信息也可以通过与所建立起的相应诊断模板进行比照分析给出定性的结论。全部诊断过程只需要建立正确的Petri网模型和进行一些简单的矩阵运算就可以获得准确的结果,节省了故障诊断时间,提高了效率,适于实时在线故障诊断。     

智能变电站网络设备故障的快速准确定位技术

在智能变电站中,数字通信传输机制以以太网模式为主要传输方式,与以电缆为主的传统接线传输方法存在本质差别。对智能变电站网络设备故障特征进行准确提取,实现故障诊断和快速定位,提出一种基于高阶累积量特征匹配的智能变电站网络设备故障准确定位方法,采用无线传感器对智能变电站网络设备的异常信息进行原始采集,对采集的数据进行信息融合和滤波处理,提取反映智能变电站网络设备的谱特征量,结合高阶累积量特征匹配方法进行故障特征压缩和信息配对,实现对变电站网络设备故障的快速定位识别,完成故障诊断。仿真结果表明,采用该方法进行变电站网络设备故障定位的准确度较高,故障诊断效率较好。     

智能电网行波故障测距系统应用方案

输电线路故障测距系统是由测距终端装置和测距主站构成的,文中介绍了应用于智能电网的故障测距系统与传统测距系统的区别与改进。与现有系统相比,智能变电站内的测距终端装置在信号接入方面采用了分布式采样方式并提供了与电子式互感器的接口,在站内通信方面则解决了装置IEC 61850标准通信问题。同时,研究了在测距主站中利用区域电网信息提高测距系统整体可靠性的途径,并且利用暂态量信息进一步开发了故障分析系统,使其具备了初步的电网故障诊断能力。     

基于冗余嵌入Petri网技术的变电站故障诊断

基于Petri网技术，利用电力系统实时离散事件（保护继电器和断路器）信息，探讨了一个具体变电站故障诊断的方法。主要讨论了变电站故障诊断的Petri网建模，计算冗余嵌入Petri网的错误伴随式矩阵等问题。仿真结果表明该方法计算简单，非常适合应用于在线实时监控系统。     

一种基于EFPN的电力系统故障诊断方法

针对电力系统故障诊断中存在的告警信息错误或缺失,以及信息出现的时间不确定等问题,提出一种基于扩展模糊Petri网(EFPN)的故障诊断方法。该方法通过将模糊规则映射到扩展模糊Petri网,对故障诊断过程中的不确定性问题进行定量分析。首先,采用统计计算获得信号置信度,运用层次分析法设定权值,进而构建时间隶属函数定量分析信号的时间不确定性。由变电站故障诊断实例可知,该方法在处理不完备信号和误信号时,表现出较好的适应性和容错性,准确度高,且降低了直接使用专家经验的主观性。     

基于大数据挖掘技术的智能变电站故障追踪架构

文中提出了一种基于大数据平台的电网故障追踪方法,将故障诊断数据源延展至变电站层,利用Spark作为大数据处理工具对各类故障信息进行处理,有效地解决了海量监控数据的管理问题。通过数据挖掘技术对故障信息进行分析,找到故障元件的同时能够运用决策树对保护或断路器的不正确动作进行反向追踪,给出故障原因,使电网故障诊断的功能得到进一步优化。相比于目前依靠事故级报警信息的电网故障诊断,所提出的方法能够有效利用变电站层的各级监控数据,对故障做到追本溯源。