基于改进Petri网和Hilbert变换的多源信息融合电网故障诊断方法

针对采用单一开关量信息来判断电网故障而存在的可靠性差和精度低等问题,提出了一种基于改进Petri网和Hil-bert变换的多源信息融合电网故障诊断方法.对电网的故障信息数据进行特征提取,通过改进的层次化加权模糊Petri网实现开关量到元件模糊故障度的转化,利用改进Hilbert变换对录波电气信息进行分析而得到元件所对应的故障度;采用改进的D-S证据理论进行开关信息和电气信息的融合;采用的改进的C-均值法来对电网元件故障进行决策.实际电网测试表明,所提方法在复杂的电网故障场景下能够精确地实现故障元件的诊断,在实际工程中具有较好的应用前景.     

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。     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

联网录波器数据在电网故障诊断上的应用

故障录波器联网系统能够将多个变电站与故障相关的录波数据进行集中采集,其主站可以获取丰富的电网故障信息。为充分利用这些电网故障信息,获得更全面准确的故障诊断结果,需要对这些数据进行预处理。在详细介绍故障录波器联网系统和电网故障录波数据文件结构的基础上,建立电网一次设备和故障录波器录波通道之间关系的模型文件,从而得到线路各端相关联的故障录波信息颗粒化数据。通过输电线路故障分析流程演示,给出了录波器联网数据应用于电网故障诊断的实例,验证了其在电力系统故障诊断定量分析上的优越性及重要性。     

基于相空间重构和模糊聚类的永磁同步电机直接转矩控制系统逆变器故障诊断

提出一种基于相空间重构技术(RPS)的逆变器故障诊断方法，适用于永磁同步电机(PMSM)直接转矩控制(DTC)系统中最常见的三种逆变器故障：单个功率开关短路、开路与一相桥臂开路故障的诊断。采用相空间重构理论，通过合理设计参数，仅需分析逆变器正常与不同故障状态下一相电流的轨迹特征，便可得到表征系统故障特征的不同形状、直观的轨迹图形。再通过采用一种聚类验证准则确定出模糊C均值算法中的合适聚类数，基于此准则设计了一个模糊C均值聚类算法。最后通过对PMSM DTC系统逆变器不同运行状态下的重构电流轨迹及其模糊C均值聚类测试结果，说明了所提出方法对逆变器故障诊断的有效性。     

一种基于录波启动信息的电网故障诊断特征向量中心性方法

文中提出了一种根据故障录波启动信息进行图信号建模，并基于网络节点特征向量中心性算法的电网故障诊断方法。首先，从继电保护及故障信息主站的故障录波启动信息构建故障启动信息网络图；其次，利用图平滑性分析方法判断电网是否发生故障及识别故障类型；最后，基于网络节点特征向量中心性算法识别故障元件，并进行可视化展示。仿真验证了所提算法的有效性。该方法作为录波智能故障分析的一部分，有助于快速掌握电网故障情况，并有重点地收集录波数据进行故障分析和校核，提高录波分析效率。     

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.     

基于故障录波数据的电网故障诊断方法分析及改进

在电网调度层面,可以利用SCADA系统、继电保护及故障信息系统等多数据源信息实现故障诊断在线应用,对此,提出了利用故障录波数据进行电网故障诊断的具体方法.首先从整体上对如何使用故障录波数据进行故障诊断的流程进行了分析,在此基础上应用分阶段故障诊断的思想,对原有的模拟故障录波方法在确定故障时间、故障类型、故障方向以及故障设备等方面的不足进行分析并提出改进方法.最后,以某地区电网220 kV盘古石变电站发生的故障为例,通过VC++6.0编程验证改进后的故障诊断方法和流程,故障诊断结果符合实际情况,验证了该诊断方法的正确性和有效性.     

基于广域状态信息和模糊C均值聚类的电网故障区域判别

结合电网广域状态信息,提出一种基于模糊C均值(FCM)聚类的电网故障区域判别新方法.该方法利用线路智能电子装置(IED)采集相应保护的动作信息、方向元件状态信息、断路器状态信息等,并以电网各线路IED状态信息作为FCM的聚类对象.给出电网关联IED的定义,利用故障判别算法把故障元件关联IED归为一类,同方向区外故障IED归为一类.大量仿真表明,该方法容错性能好,运行速度快,判别准确率高,即使部分信息不准确,也能正确判断故障区域.     

一种基于录波数据的故障事件检测的混合方法

当电网发生故障时,变电站会产生大量的报警和录波数据。这其中包括二次回路信号、故障录波数据和PMU数据。故障录波数据包含故障发生发展的细节信息,可以用于诊断故障发生时间、断路器动作时间。这对电网诊断和智能报警功能非常重要。然而,一般用故障录波数据进行诊断分析需要调度人员的参与,耗时很长。本文面向IEC 61850和数字化变电站设计一种两层的故障诊断模式。基于此,提出一种检测反映故障过程中的主要事件的录波数据突变检测的混合算法,这些主要事件包括故障发生、断路器动作等。使用仿真算例验证了所提方法的正确性和有效性。     

基于规则式的多重故障诊断及最优送电路径策略

为了提高电网多重故障诊断的准确性,提出一种基于多系统数据信息融合的故障诊断算法。通过对故障全过程的数据特征进行分析,以故障数据与电网结构图为基础对一次设备进行建模,形成断路器、线路、母线、主变诊断模型。对来自不同信息源(SCADA、保信系统、录波联网系统)的数据进行统一处理,形成故障全过程智能诊断数据源,并以此为基础进行深度数据融合,提升信息的质量。充分利用故障后的断路器状态和电气量信息,对故障进行精确诊断,确定故障区域,然后,采用基于规则式的故障恢复路径算法,给出快速恢复供电的最优的路径。该系统运行情况表明,所提出的方法具有较强的实用性。     

一种支撑电网故障感知与分析的全景录波平台

为提高电网全景状态感知能力、提升故障分析水平,提出了一种支撑电网故障感知与分析的全景录波平台。该平台根据特高压交直流电网快速发展下电网故障形态的变化,提出了电网故障分析对故障数据的要求。首先分析了目前电网中存在的故障数据和数据特点,在当前的事故分析中存在若干不足。全景录波平台根据电网故障分析要求,规范电网故障数据采集和布点,提出全景录波平台体系架构和通信要求,并整合现有录波资源,增加录波协控机制,实现电网故障情况下的录波跟随,保证数据采集完备性,并实现全网故障数据整合。     

基于广域故障录波信息的调度端电网故障诊断系统

大规模电网发生故障时,各类故障信息可及时传送至调度端,但运行人员单纯基于断路器变位、故障录波信息、保护装置动作事项等众多离散故障信息,无法快速、准确、直观判断故障性质,极大影响恢复供电速度和电网安全运行。文中采用站内设备统一建模映射、采样频率归一化、录波器采样同步等关键技术,有效整合故障录波信息,将差动原理应用于电网故障诊断,实现了仅利用故障录波数据进行差流计算准确定位故障区域,并在接线图上自动推送诊断结果,为事故处理提供决策支持。该系统在多起实际电网故障处理中发挥了重要作用。     

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。     

基于多输出衰减径向基函数神经网络的电网故障诊断

为提高电网故障诊断神经网络模型的构建速度,提出了一种基于多输出衰减径向基函数（Multi-output Decay Radial Basis Function, MDRBF）神经网络的故障诊断方法。DRBF神经网络不需训练即能以任意精度一致逼近任意连续多变量函数。介绍了单输出DRBF（Single-output DRBF, SDRBF）神经网络,分析了其存在的不足,即只能处理单输出变量问题,不能直接应用于电网故障诊断。在此基础上,根据电网元件的故障特点,提出了将SDRBF神经网络演变为多输出DRBF（Mu     

电网故障信息系统中的故障分析与判断

提出一种基于保护动作行为模型及电网故障特征的数据融合方法,用于实现故障信息系统中一次故障的关联识别;从保护装置故障信息汇总与分析、电网故障判断、线路两端故障信息融合等方面,重点阐述了保护动作信号一次故障关联、电网连续故障判断、故障报告汇总及双端测距实现等的应用。     

基于支路元件关联矩阵建模与MPGSA算法的电网故障诊断

电网发生故障后,快速准确地诊断出故障元件并切除故障元件是保障电网正常运行的重要前提。对电网结构、保护配置及断路器的动作规则进行分析,将可疑元件状态、保护和断路器误动或拒动的状态引入故障假说,针对可疑故障母线和线路分别建立目标函数,并引入各级保护之间的影响因子进行修正。通过深入挖掘电网各元件之间的拓扑关联关系,提出基于支路元件关联矩阵的自动建模方法。采用改进模拟植物生长算法(MPGSA)对IEEE14节点仿真验证,算例结果表明所提方法可有效提高故障诊断的容错性和准确性,具有较好的应用前景。     

基于多源数据融合的电网故障综合分析与智能告警技术研究与应用

随着中国特高压电网建设的提速,单一设备故障可能导致大面积电网事故,而现有的故障告警功能存在数据源单一、告警准确率不高等问题,无法满足电网调控运行需求。通过调度主站7个应用模块与综合智能告警系统之间进行信息交互和数据共享,建立“告警可信度+数据有效性”双重组合判断机制,对多个告警数据源进行压缩、融合、过滤、提炼及在线综合分析判断,显著提升电网故障正确报出率和告警准确率,同时以可视化的手段对故障分析结果进行全方位综合展示,为调控运行人员敏锐感知和及时处置电网故障、提高调控机构驾驭大电网能力提供可靠技术支撑。     

基于时序信息的模糊Petri网电网故障诊断方法

为提高电网故障诊断的准确性,充分利用报警信号的时序信息,研究一种基于时序信息的分层变迁模糊Petri网故障诊断方法。首先,建立分层变迁加权模糊Petri网(WFPN)故障诊断模型;其次,构建元件、保护和断路器之间的时间关联特性(TAC),进行时间关联一致性检查;最后,通过模糊推理进行故障诊断,并对保护和断路器异常行为进行评判。通过典型电网算例推理验证,结果证明该方法不仅能够提高故障诊断的准确性和容错性,还能够判断保护和断路器的异常行为并推出元件故障发生时刻。     

基于事件起点的层次化时序Petri网及其电网故障诊断方法

电网发生故障后利用大量告警信息快速准确地识别故障元件是保障可靠供电和电网安全稳定运行的首要任务。为适应电网运行调控需求,提出一种基于事件起点的层次化加权模糊时序Petri网故障诊断方法。在完善母线和线路的层次化加权模糊时序Petri网模型的基础上,以故障发生时刻为事件起点,确立各初始库所的时序属性,并通过逆向和正向时序推理对保护和断路器动作信息进行时序约束检查和置信度修正。IEEE 39节点系统仿真算例和电网实际故障算例表明所提方法能够在保护和断路器误动/拒动、告警信息缺失/错误等复杂状态下识别真实故障元件,提高了故障诊断的准确度和容错性。此外所提方法还可以得到设备故障的时间点约束,有利于进一步分析故障原因和故障事态发展。通过与现有应用时序信息的故障诊断方法相比,所提方法时序推理过程简明清晰,对网络拓扑的变化适应性强,运算速度快,满足在线诊断需求。