接地网腐蚀分块诊断的混合优化算法

为提高接地网腐蚀诊断的速度和精度,提出一种接地网分块诊断方法,采用节点撕裂的方法,将接地网自动撕裂成若干个子网络和一组自由支路,建立反映子网络等效不定节点导纳与可及节点电压和撕裂点广义节点电流之间非线性关系的多目标优化模型。求解模型的算法结合了粒子群算法和最小二乘法的优点,并提出双层粒子群的思想,充分利用粒子群算法的快速收敛性和全局寻优能力得到符合优化模型的有效解,然后利用最小二乘法确定最优解。对110 kV 蒲城变电站接地网的仿真测试验证了算法的有效性。     

利用分块模型的接地网撕裂法故障诊断

为了便于接地网故障诊断,通常对大规模的接地网采用电路网络理论中的撕裂法进行分解,从而将大规模的接地网撕裂分解成若干个小规模子网络分别诊断,以提高诊断效率。然而传统的撕裂方法会对撕裂边界的接地网支路的故障诊断可测性产生影响。因此分析了传统撕裂法对接地网故障诊断可测性的影响原因,提出了一种基于分块模型理论的分块撕裂故障诊断方法,从而避免了传统撕裂方法对接地网诊断时的可测性影响。首先定义了块及其原形、不确定支路组及其原形等概念,在此基础上,提出了一种接地网分块撕裂的基本原则和分块故障诊断方法。在各个块中,基于面向各个节点分区的测试数据,采用线性最小二乘法求解与各块相关的本征支路电阻,确定各块中的明晰支路电阻,对于不确定支路还可采用二分法求出不确定支路电阻的取值范围。提出的方法将接地网拆分成若干个小规模的子网络进行求解,不仅可以提高计算效率,还可减少量测误差对测试结果的交叉干扰影响,且避免了以往求解本征支路电阻的非线性迭代过程。在陕西渭南东330 kV变电站的一个38条支路的实验接地网上进行了实验验证,结果表明所建议方法是可行的,能够有效减少测试工作量,提高故障诊断效率。     

基于模拟退火算法的变电站接地网故障诊断模型探析

通过对接地网模型进行简化,结合实际接地网的拓扑结构,建立了接地网故障诊断模型,并采用根的顺序查询算法和模拟退火算法对故障诊断模型进行求解.通过２４支路的仿真接地网验证了该接地网故障诊断模型的有效性和准确性。     

基于海鸥算法优化概率神经网络的变压器故障诊断*

:传统概率神经网络PNN依靠经验取平滑因子进行变压器故障诊断,导致预测准确率不高,因此提出一种基于无编码比值法（九维度）的海鸥算法优化概率神经网络PNN,构建一种新型变压器故障诊断模型。该方法用海鸥算法优化平滑因子,再将结果赋值给PNN模型进行训练,减少人为因素对神经网络设计的影响。结果表明,相对于传统PNN模型、PSO PNN模型及SSA PNN模型,该方法准确率更高,为变压器故障诊断提供了新方法。     

基于帝国殖民竞争算法优化支持向量机的电力变压器故障诊断模型

提出了一种基于帝国殖民竞争算法优化支持向量机的变压器故障诊断模型。对支持向量机进行了非线性和多分类变换,构建了k-折平均分类准确率目标函数,建立了帝国殖民竞争算法优化支持向量机的非线性多分类模型,结合交叉验证原理对变压器进行了故障诊断。故障诊断结果表明,所提方法的平均测试准确率优于标准支持向量机和粒子群优化算法优化支持向量机(准确率分别为77.08%、57.97%和61.96%),验证了所提模型的有效性。采用UCI基准数据集对所提模型进行分类测试,结果表明所提模型在解决分类问题上具有较好的泛化性。     

采用模糊理论的接地网故障诊断方法

为解决接地网故障准确定位的问题,笔者提出了采用模糊函数的接地网故障诊断方法。根据接地网故障诊断这一具体问题,改进了模糊理论中的两个重要原则——贴近度和择近原则。利用复镜像法和Prony法,采用MATLAB进行编程,计算出10×10完整状态接地网和故障状态接地网的地表电位分布,作为诊断算法样本数据库。采用VC++编程,用改进的贴近度公式计算完整状态接地网样本与故障状态接地网样本之间的关系,初步诊断出故障样本库。最后,计算故障样本内各点之间的差异值,利用择远原则最终诊断出接地网的故障位置。运算结果表明模糊理论算法准确率高。     

基于化学反应优化神经网络与融合DGA算法的油浸式变压器模型研究

为了及时准确掌握变压器的健康状况,对潜伏性故障进行预测分析,将人工智能算法与DGA算法相结合,提出了一种基于化学反应优化神经网络的变压器故障诊断模型。考虑到BP神经网络和传统DGA算法在变压器故障诊断应用过程中存在的缺陷,在模型中引入化学反应优化算法和融合DGA算法对其进行改进。通过实例分析表明,提出的故障诊断模型的诊断准确率达到87.88%,迭代次数和训练时间分别为1991次和1927 ms;与其他诊断模型相比,模型在诊断效率和训练时间上具有明显的优势,对于变压器的故障预测和实时诊断具有一定的参考意义。     

可及节点位置偏移条件下接地网故障诊断的研究

为了在可及节点存在偏移的条件下对接地网进行较好的故障诊断,基于分层约简模型,分析了直接利用待测试接地网和其对应的镜像接地网进行故障诊断的可测性,论述了一种基于禁忌搜索算法的可及节点位置偏移修正方法,建议了进行接地网故障诊断的4种模式。以一个60支路的实验接地网为例进行了验证和说明,结果表明,直接利用待测试接地网进行故障诊断所得到的明晰支路所占的比例较大,但是测试工作量也大得多;建议的可及节点位置偏移修正方法是可行的;将待测试接地网故障诊断与其镜像接地网上修正可及节点偏移的故障诊断相结合,能够进一步提高明晰支路所占的比例。     

一种应用于接地网故障诊断的混合算法

为提高大型接地网故障诊断算法的收敛效果和准确度,降低算法的复杂程度,针对根据电网络理论建立大型接地网故障诊断模型,考虑到其高维度、高度欠定、非线性的特点,提出一种确定性算法与随机性算法相结合的混合算法。确定性算法部分由L-M(Levenberg-Marquardt)和微量处理法组成,此部分集成了L-M高精度、高收敛速度的性能,以及微量处理法的逐步寻优特点,可以快速锁定真实解的范围,减少随机性算法部分的无效搜索;随机性算法部分基于粒子群算法建立,在确定性算法部分的引导下,此部分可运用自身全局寻优能力对解进行深入优化。仿真分析的结果表明,所提出的混合算法具有高精度、高收敛性的优点,可应用于不同拓扑结构的大型接地网故障诊断。     

基于改进贝叶斯网络的电机轴承故障诊断

针对电机轴承振动信号受噪声干扰影响特征提取和传统贝叶斯网络故障诊断准确率低的问题,提出一种基于改进贝叶斯网络的电机轴承故障诊断方法。采用自适应噪声集合模态分解的方法对数据进行降噪处理,增加了模型的鲁棒性;采用差分进化和模拟退火算法对蝗虫算法进行优化,增强蝗虫算法的全局和局部搜索能力;将优化后的蝗虫算法应用于贝叶斯网络结构学习构建轴承故障诊断模型;通过实验对比证明,该方法对轴承的多故障分类具有更强的学习能力和更高的准确率,实验对部分样本的故障诊断率达到97.15%,平均准确率达到98.73%。     

变电站地网缺陷诊断优化算法研究

介绍了目前地网缺陷检测的方法和存在的问题,提出了一套创新的可以在实际接地网故障诊断项目中应用的诊断方法。该诊断方法建立了非线性、超定优化数学模型,引入了改进的概率搜索算法,将经典确定性优化算法和现代概率搜索优化算法结合起来,有效地解决了接地网故障诊断中的大容差、多故障、非线性、多解、病态等难题。该研究方法通过了大量仿真计算、模拟地网试验和现场实际测试,表明这种新方法是有效可行的。     

变电站地网缺陷诊断优化算法研究

介绍了目前地网缺陷检测的方法和存在的问题,提出了一套创新的可以在实际接地网故障诊断项目中应用的诊断方法。该诊断方法建立了非线性、超定优化数学模型,引入了改进的概率搜索算法,将经典确定性优化算法和现代概率搜索优化算法结合起来,有效地解决了接地网故障诊断中的大容差、多故障、非线性、多解、病态等难题。该研究方法通过了大量仿真计算、模拟地网试验和现场实际测试,表明这种新方法是有效可行的。     

基于人工蜂群算法优化支持向量机的接地网腐蚀速率预测模型

为了提高接地网腐蚀速率预测的精确度,在建立预测模型的过程中,首先对接地网进行了基于电网络理论的腐蚀诊断过程,并以经过诊断之后确定的腐蚀支路位置为采样点。考虑到仅以土壤理化性质反映接地网腐蚀速率的局限性,在接地网腐蚀诊断结果的基础上,提出接地网电阻平均增长速率作为预测模型的输入特征量之一。建立了基于人工蜂群优化支持向量机的接地网腐蚀速率预测模型,测试结果显示相对BP神经网络模型和广义回归神经网络模型,所提模型的预测结果精确度和稳定性更高,表明了对于解决接地网腐蚀速率预测问题,所提模型具有良好的适用性。     

一种地网腐蚀故障诊断的新算法

为解决地网腐蚀的定位问题,基于新标准对接地网在概念上的变化,提出并解决了基于场路结合的不等电位模型的地网腐蚀故障诊断的方法;针对地网腐蚀时的导通电阻变化,验证计算了地网腐蚀时地表电位分布及最大跨步电势、接触电势发生处的位置。通过编程实现了数值模型的计算机求解,其方法是通过求取地网各支路散流电流及节点电位来获得各支路的导通电阻值,并通过腐蚀前后各支路导通电阻值的变化来判断地网的腐蚀情况。同时,该模型对于入地电流频率在几十kHz下仍可考察地网的运行情况。实际结果表明,本文方法与试验结果吻合,具有较高的可信性。     

基于改进果蝇算法优化BP神经网络的接地网腐蚀速率预测模型

为进一步提高接地网腐蚀速率的预测精度,解决传统模型易陷入局部最优且随机初始化模型参数影响预测准确性和稳定性的问题。文中首先将混沌映射、动态搜索半径策略和优化气味浓度判定公式引入果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)得到改进后的果蝇优化算法(Update Fruit Fly Optimization Algorithm,UFOA);然后利用UFOA优化BP神经网络的初始权值和阈值,建立基于UFOA优化的BP神经网络接地网腐蚀速率预测模型(UFOA-BP);最后以重庆24座变电站的接地网数据进行实验验证。结果表明相对FOA优化的BP神经网络模型、BP神经网络模型、人工蜂群算法优化的支持向量机模型和广义回归神经网络模型,文中提出的UFOA-BP模型在预测精度和模型稳定性方面均优于其他四种模型,验证了该模型的有效性和可行性,为运维人员提前发现接地网安全隐患,并安排检修,进而保障电网安全稳定运行提供帮助。     

电网故障诊断解析模型的改进二进制增益共享知识算法求解

针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题,提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先,根据故障诊断规则,构建一种包含完备故障信息的完全解析模型。其次,将离散工作机制融入改进算法的种群更迭中,以避免发生空间脱节。然后,结合进化种群动力学思想(evolutionary populationdynamics, EPD),引入一种自适应交叉算子,以提高种群质量和增强算法的全局寻优能力。最后,通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明：IBGSK算法相较于其他优化算法,在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力;在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。     

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。