应用证据理论实现配电网单相接地故障选线保护

提出了一种利用多重故障信息融合选线方法。为实现这一目的，提出了故障测度概念，用来定量评价各线路可能是故障线路的程度。运用D-S证据理论实现了多判据信息融合，将多判据选线问题转化为证据推理问题，使选线结果聚焦到各个判据的共同支持点上，选线性能得到极大提高。现场实测故障算例证实了文中方法的正确性。     

基于网络树状图和改进D-S证据理论的配电网故障定位方法

针对配电网故障信息出现异常尤其是不可识别异常而导致误判的问题,提出了一种基于网络树状图和改进D-S证据理论的配电网故障定位新方法。该方法的突出优点在于使用多源信息进行故障定位,可避免因单源信息发生异常导致的误判。首先提出了一种新的基于网络树状图的搜索算法,该算法利用配电网故障时产生的故障指示器信息、配变报警信息和电话投诉信息建立相应的网络树状图,并通过搜索网络树状图进行故障初步定位。然后利用改进D-S证据理论将每种故障信息的定位结果进行信息融合,得到最终的定位结果。实例结果表明所提方法有效、可行,可以解决故障信息出现不可识别异常时的定位问题。     

基于多源信息的配电网故障定位方法

针对利用单一故障信号进行定位容易出现故障定位错误问题,文章提出了利用多种故障信号综合定位的方法。该方法利用配电网发生短路时收集到的各种故障信号,包括柱上开关动作信号、故障指示器动作信号、配变停电告警信号和95598投诉信号得到各自定位结果;然后将每一种定位结果形成证据,用D-S证据理论合成方法对所有证据进行合成,得到最终定位结果。最后以一个具体实例验证了该方法的有效性和可行性,表明该方法可以提高故障定位的容错性和准确性。     

基于D-S证据理论的配电网单相故障选线方法研究

为充分利用单相接地故障的互补信息提高选线保护的可靠性,提出一种中性点非有效接地电网信息融合选线方法。该方法采用D-S证据理论,针对故障选线问题的具体特点,合理构造了选线识别框架和信度分配函数,将故障选线问题转化为证据理论模型,给出证据组合的选线判定原则,制定了基于信息融合的综合选线策略。应用该方法在模拟系统上进行实验,验证了方法的有效性。结果表明采用融合选线策略极大地提高了故障选线的可靠性。     

融合理论在配电网单点故障定位中的应用

提出一种通过融合3种故障特征量来进行配电网单点故障测距定位的新方法。根据故障区段和故障类型的不同,建立对应的故障距离函数并把预先求得的故障特征量权重系数存入数据库。当故障发生时,通过母线监测点测量数据计算出电压暂降、相位跳变和功率因数角的具体数值,代入相关的函数中计算出测距结果。在IEEE 14节点配电网进行仿真验证,仿真结果证明了该方法的准确性和有效性。     

D-S证据理论在小电流接地系统单相接地故障选线中的应用

小电流接地系统发生单相接地故障后,当故障特征量非常明显时,选线结果才比较可靠,当其特征量很微弱时,选线结果则可能是错误的;在故障后不同时段,故障特征所表现的强弱程度的不同,对选线结果也会产生很大影响。针对这一特点,提出了一种充分利用故障信息的多判据多周期的选线方法,运用D-S证据理论实现多种判据信息融合,从而使选线性能得到很大提高。苛刻条件下的仿真算例证实了该方法的正确性和有效性。     

基于故障测度概念与证据理论的配电网单相接地故障多判据融合

当故障特征量非常明显时，故障选线结果才比较可靠；当其特征量很微弱时，选线结果则可能是错误的。该文不仅提出了一种故障测度概念，以定量评价线路疑是故障线路的程度，还提出了一种多种利用故障信息的融合选线判据，该判据基于故障测度概念并利用小波分析理论构造了暂态信息故障测度算法：对故障工频信息构造了幅值和相角故障测度算法：运用D-S证据理论实现了多判据信息融合，将多判据选线问题转化为证据推理问题。结合选线问题的特点，将基本信度分配函数设计为相对信度分配函数与可确定信度系数之积形式。多故障信息的融合选线判据使选线性能得到提高，现场实测故障算例证实了文中方法的正确性。     

高容错性的配电网故障定位原理和实现

本文提出基于遗传算法的具有高容错性的配电网故障定位的方法。该方法主要根据进行断路器的开关变位、保护动作信息和刀闸位置信号及各分段开关处的故障电流越限信号进行配网故障定位,依据配网线路故障时的电流越限信号的分布特征,构造了故障定位问题评价函数。在此基础上,用遗传算法进行佤中寻优求得问题的解。本文的方法容错性高、通用性强,仿真结果证明该方法的有效性,已在天津万松小区投运。     

纵横交叉算法在配电网故障定位中的应用

基于人工智能算法具有较好的容错性,引入纵横交叉算法(CSO)应用在配电网故障定位过程中。CSO中的横向交叉机制和纵向交叉机制在与竞争算子的配合下提供了较强的搜索能力,能够快速解决多变量非线性优化问题,为准确解决故障定位提供了基础。在多电源分区故障定位中改进适应度函数,对不同区域适应度函数设置区域权值,区域权值由反馈故障电流决定。这种设置方式可以增强算法的容错性,使得输出结果不会因为故障信息在传送过程中发生畸变而误判或者漏判。仿真部分由双电源配电网系统和三电源配电网系统组成,并通过算法进行了验证,每次反馈信息都由一次正常信息和畸变信息组成。从仿真结果可以看出CSO拥有较强的稳定性。     

D-S证据理论在火灾探测中的应用

介绍基于D-S证据理论的多传感器多测量周期的信息融合（时空信息融合）的方法，评将该方法应用于火灾探测领域。模拟实验结果表明，与单个传感器相比，基于D-S证据理论的多传感器时空信息融合的结果具有较高的准确度和可信度。     

基于图论的矩阵算法在配电网故障定位中的应用

分析现有配电网故障定位算法的不足,提出一种基于图论知识的改进配电网故障定位算法。该算法首先利用配电网有向拓扑结构生成一个可反映配电网拓扑信息的网络拓扑矩阵,当配电网发生故障时,安装在开关处的馈线终端（FTU）通过通用分组服务技术（GPRS）网络向主站上传故障信号,生成故障信息矩阵,进而得到故障判定矩阵,由故障判据定位故障发生区段。该算法不仅可以对单电源的配电网单重故障定位,对于多电源网络的多重故障以及馈线末端故障也可作出快速判断,同时对于FTU上传的不完备故障信息情况也同样适用。算例测试结果表明,该算法判断简洁直观,计算量小,实用性强,满足现代配网自动化要求。     

基于证据理论的小电流选线装置在北京市电力公司的应用

讨论了一种基于证据理论的小电流综合选线方法,该方法主要利用当系统发生小电流接地时提取的信号进行比幅比相法、小波法、首半波法等方法进行连续的计算和判断,通过证据合成规则进行信息融合,最终判断故障所在的线路,大大提高了选线的准确度,内嵌此选线方法的小电流选线装置在北京市电力公司试运行一段时间后证明此选线方法有效。     

D-S证据理论在凝汽器故障诊断中的应用

运用D-S证据理论将用不同模糊方法得出的诊断结果进行融合。试验证明，融合以后的结果比模糊方法得出的诊断结果误判率更低。运用D-S证据理论，可以减小因隶属度函数的不同而带来故障误判的可能性，从而更准确地判断故障原因。     

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。     

一种实用的复杂配电网故障定位的矩阵算法

提出了一种较简洁的基于矩阵算法的多电源复杂配电网多重故障定位（可含有馈线末端故障）的统一判据。分别针对得到的馈线终端设备（FTU）方向过流信息不完备及信息畸变这2种情况给出了解决对策:当故障信息不完备时,不考虑对应节点信息即可;对于故障信息畸变的情况,首先利用完备故障信息下的故障定位统一判据找出候选故障区段,然后基于故障信息序列修正代价从候选故障区段中确定出最终的故障点。算例测试结果验证了该方法的正确性和可行性,能有效地解决FTU数量不足等原因导致的故障信息不完备和通信带来的信息畸变,在配电网实时故障定位的应用中具有很大的潜力。     

异步电动机信息融合故障诊断模型

结合信息融合的一般模型和层次结构,构建了电动机故障的信息融合诊断模型。该模型涵盖了数据融合的数据层、特征层和决策层三个层次,充分利用电动机三相电流、电压和绕组温度等多种故障信息,基于Park矢量,进行了多层次的融合;采用了基于人工神经网络、小波分析和证据理论等的两级诊断策略,以进一步提高转子断条、气隙偏心、绕组匝间短路等电动机常见故障的诊断准确性和灵敏性。     

基于图论及改进矩阵算法的配电网故障定位

针对传统矩阵算法故障判定规格化处理计算量大,母线区域及负荷出线区域故障定位准确率低等问题,提出了一种基于图论及改进矩阵算法的配电网故障定位新方法.该方法首先依据IED装置采集到的故障信息分量准确判别故障发生区域.若判定为母线故障或负荷出线故障,则由IED装置直接下达跳闸命令.若判断为线路区域故障,则由集中保护装置依据图...     

基于小波神经网络和D-S证据理论的电力变压器故障诊断研究

>Transformer faults are quite complicated phenomena and can occur due to a variety of reasons.There have been several methods for transformer fault synthetic diagnosis,but each of them has its own limitations in real fault diagnosis applications.In order to overcome those shortcomings in the existing methods,a new transformer fault diagnosis method based on a wavelet neural network optimized by adaptive genetic algorithm(AGA)and an improved D-S evidence theory fusion technique is proposed in this paper.The proposed method combines the oil chromatogram data and the off-line electrical test data of transformers to carry out fault diagnosis.Based on the fusion mechanism of D-S evidence theory,the comprehensive reliability of evidence is constructed by considering the evidence importance,the outputs of the neural network and the expert experience.The new method increases the objectivity of the basic probability assignment(BPA)and reduces the basic probability assigned for uncertain and unimportant information.The case study results of using the proposed method show that it has a good performance of fault diagnosis for transformers.     

基于图论的配电网故障行波定位新算法

配电网结构复杂,分支多,故障点定位困难。传统基于输电线路单端或双端信息的故障定位算法难以满足配电网高精度故障定位要求。提出了基于多端时间信息的配电网故障行波定位新算法,构建了配电网关联矩阵和距离矩阵,给出了故障分支的判别方法;基于二叉树模型,根据配电网末端的行波到达精确时间信息和配电网拓扑结构矩阵,剔除无效行波波头时间,综合利用有效的行波波头时间信息,实现配电网故障的实时精确定位。EMTP仿真结果表明,该方法能实现配电网故障的准确定位。