基于FTU故障信息的Petri网故障诊断方法

针对基于输电网的继电保护与断路器的动作信息的建模不适用于配电网络的问题,结合配电网络的结构和运行特点,提出了基于FTU(feeder terminal unit)故障信息的Petri网建模方法。综合利用FTU上传的过电流信号和幅值量测信息,实现了配网故障诊断的快速性和容错性。根据配网的拓扑结构特点采取分层故障诊断的方法,先后诊断出故障馈线、故障单元和故障区段;采用了基于概率信息和带有抑止弧的Petri网模型,增强了网系统的模拟能力。通过对典型算例进行故障诊断,证明了此方法的有效性和可行性。     

基于赋时颜色Petri网的实用故障诊断算法研究

介绍了一种应用基于赋时颜色Petri网来实现电力系统故障诊断的方法。基于赋时颜色Petri网建立的故障诊断模型能更准确地模拟继电保护配合关系,弥补了传统Petri网故障诊断中保护范围划分不明确的缺陷。利用CPNTools软件进行典型算例仿真,结果表明,论文提出的诊断方法对电网的简单故障及在保护和断路器不正确动作的复杂情况下均能快速地准确定位故障元件,自动给出可靠的诊断结果,诊断正确率和实用程度相对基本Petri网诊断方法大大提高。     

基于粒子群算法的大跨度空间结构监测系统中应变传感器最优布点研究

以网壳结构为对象,利用粒子群算法研究了其环向和径向杆件上传感器的最优布点。首先讨论了粒子群算法的基本原理和优点以及在结构健康监测系统中为探测累积损伤用的传感器最优布点;接着,以凯威特型网壳为例讨论了用粒子群算法求大跨度空间网壳结构最优测点。针对应变传感器提出了相应的适应度由曲率模态表示,根据该适应度采用粒子群算法搜索了凯威特型网壳上的应变传感器最优布点。研究结果表明,采用粒子群算法搜索网壳结构监测系统中应变传感器最优布点方法,计算结果稳定可靠,收敛速度迅速。     

基于萤火虫-粒子群混合算法的接地网分区域故障诊断方法

为提高接地网故障诊断的准确性和效率,在总结现有故障诊断方法基础上,提出基于萤火虫-粒子群混合算法(GPSO)的分区域诊断方法。该方法通过优化接地网故障诊断方程组模型,使之转化为等价的优化问题;根据接地网的可及节点分布情况对接地网分区,应用分层约简理论将接地网分解得到本征接地网络;对本征接地网建立优化模型,采用萤火虫-粒子群混合算法对优化问题进行求解;根据本征支路电阻的前后变化以及每条支路对应的接地网区域,分析判断接地网各个区域内的故障情况。该方法综合利用萤火虫算法的寻优能力和粒子群算法的收敛速度,有效避免诊断方程组时的欠定问题,对于指导变电站现场维护更加有效和具有工程实际意义。实例应用结果验证了所提方法的正确性和实用性。     

面向群智能系统架构的防护工程配电网故障诊断方法研究

可靠的供配电系统是防护工程能够稳定高效运行的重要基础。由于传统集中式系统架构下的配电网在运行、维护中存在诸多问题,近年来学者们将分布式架构的思想引入防护工程配电网的建设中。面向群智能系统架构,提出了一种基于BP神经网络的防护工程配电网故障诊断方法。利用群智能节点自组网能力和BP神经网络的自学习及良好的泛化性能,实现防护工程配电网的故障诊断。仿真结果表明:提出的方法具有训练快速、实现方便等优点,对于防护工程配电网单一和多重故障均能做出准确的定位。     

基于PCA与PSO-SVM的谐振接地系统故障选线方法

为解决谐振接地系统单相接地故障对故障初始角为零以及接地电阻为高阻的故障线路识别效果差的问题,提出一种基于主成分分析与粒子群算法优化支持向量机(PCA-PSO-SVM)的选线方法。该方法通过Matlab/Simulink对小电流接地系统进行仿真,采集瞬时零序功率数据,将数据输入PCA-PSO-SVM模型中进行训练与测试,并将测试结果与单一的支持向量机模型以及经粒子群优化后的支持向量机模型进行对比,结果表明PCA-PSO-SVM模型有着更好的选线准确度与选线效率。     

基于稀疏矩阵和集合运算的配电网故障定位与隔离算法

针对含有分布式电源的配电网,提出一种基于稀疏矩阵和集合运算的通用故障定位与隔离算法。采用网络拓扑结构的关联信息构成区域-节点矩阵以及不同节点的电流信息构成故障信息矩阵,以三元组稀疏矩阵方式在计算机中存储,在此基础上,使用简单的集合运算代替现有算法中高阶矩阵运算,实现多重故障的一次性定位与隔离。此外,研究了算法在故障信息丢失和故障信息错误等异常情况下的容错性能。在Matlab中对故障定位功能以及交互性能进行实现,算例计算结果验证了该方法的可行性与有效性。     

基于杆件构形刚度参数均匀化的单层网壳稳定性能优化

为实现网壳各节点抵抗荷载能力的均匀分布,提升结构稳定承载力,基于网壳结构受力特点,引入了单层网壳结构的杆件构形刚度参数。以结构杆件构形刚度均匀化为目标,将网壳杆件截面尺寸作为优化变量,采用惯性权重改进后的粒子群算法对网壳的杆件截面进行优化配置。优化结果表明,构形刚度方差能较为准确地反映结构的杆件构形刚度均匀程度。通过粒子群算法优化后求得的杆件配置可以使网壳结构接近于等稳定性,最大程度地提升结构的稳定极限承载力。     

医疗急诊流程挖掘与模型改进

基于流程挖掘中的α算法和流程挖掘平台ProM(process miner),将医疗急诊流程的事件日志转化为Petri网模型,并将其与医疗急诊日志及实际流程对比分析。由于α算法的局限性,对于一些复杂结构,可能会导致错误的挖掘流程。基于逻辑Petri网,给出了一种挖掘模型的改进方法,利用逻辑变迁来避免选择结构,并进行医疗急诊流程的二次建模,进而保证构建的流程模型与实际流程保持一致。     

粒子群-鱼群混合算法在桁架结构优化设计中的应用

群智能算法由于其优异的搜索性能被广泛应用于结构优化设计,人工鱼群算法和粒子群算法都是基于动物群体行为的智能优化随机算法.本文介绍了人工鱼群算法和粒子群算法的基本原理,并提出了粒子群和鱼群杂交混合的一种新方法:粒子群-鱼群混合算法,将粒子群-鱼群混合算法应用到四个桁架结构的重量优化设计,包括平面桁架结构和空间桁架结构,通过比较粒子群-鱼群混合算法、人工鱼群算法、粒子群算法的优化结果,发现改进的粒子群-鱼群混合算法具有收敛精度高、收敛速度快等特点,同时具有较好的稳定性,可用于结构优化设计.