基于贝叶斯网络的电网故障诊断方法

根据元件故障与保护动作和断路器跳闸之间的内在逻辑关系,建立了面向元件的电网故障诊断模型,并采用误差反向传播的梯度下降法修正网络参数。该模型是一种由 Noisy-Or,Noisy-And 节点组成的特殊的贝叶斯网络,能够处理电网故障诊断中的不确定性,具有语义精确、推理快速、学习效率高等特点,适用于大规模电力系统的多重复杂故障诊断。实际电网故障案例验证了该方法的正确性和有效性。     

人工神经网络和专家系统结合运用的电力系统故障诊断方法

对人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合应用于电力系统故障诊断问题进行了研究，提出了一种电力系统故障诊断新方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用田的推理能力，由ＥＳ根据报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行验证、该方法中ＡＮＮ隐含的知识是电网通用的故障判断知识，具有较强的通用性。模拟测试表明该方法可有效地识别电网故障元件，并且具有较强的容错性。     

人工神经网络和专家系统结合运用的电力系统故障诊断方法

对人工神经网络（ＡＮＮ）和专家系统（ＥＳ）的结合应用于电力系统故障诊断问题进行了研究，提出了一种电力系统故障诊断新方法。该方法综合了ＥＳ和ＡＮＮ各自的优点，充分利用ＥＳ的推理能力，由ＥＳ根据报警信息搜索电网数据库，提出故障假设，再由ＡＮＮ对故障假设进行验证。该方法中ＡＮＮ隐含的知识是电网通用的故障判断知识，具有较强的通用性。模拟测试表明该方法可有效地识别电网故障元件，并且具有较强的容错性。     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ）帝现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断。仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件。     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ） 实现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断．仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件．     

利用气象等影响要素的电力系统故障元件识别与故障原因分析

快速识别电力系统中的故障元件和分析引起故障的原因,有助于尽快恢复系统的正常运行和减少停电损失。气象等要素是导致电力系统故障的主要原因之一,但如何在故障诊断中适当计及这些要素的影响是一个有待深入研究的问题。在此背景下,比较系统地考虑了气象等要素对电力系统故障的影响,在现有故障诊断方法的基础上利用故障发生时刻的气象等外部要素情况分析导致故障的原因。首先,根据发生故障前后的电力系统拓扑结构,识别停电区域,确定候选故障元件;在此基础上,以继电保护和断路器状态为信息源,构建了电力系统故障诊断的一种简化模型,从候选的故障元件中确定故障元件。之后,以从污秽监测系统、雷电监测系统、气象预警系统等外部环境监测设备获得的信息与数据以及所确定的故障元件为故障影响要素分析的信息源,分析导致故障的外部影响因素,以帮助系统运行人员快速定位和排除故障,尽快恢复系统正常运行。     

基于复模型的模拟电路故障诊断

参数故障诊断和容差问题是模拟电路故障诊断的两个主要难题。该文从故障建模入手,提出一种新的复数域参数故障统一建模方法。模拟电路输出电压的实部和虚部都是故障元件参数的函数,联立实部和虚部函数,并消掉被建模元件参数,得到与参数无关的函数。该函数只由电路结构、故障元件位置和无故障元件的参数确定。因此,以它作为故障模型就与参数无关,能描述任何参数漂移、开路和短路故障。该模型函数是二次函数,除了无故障点之外,不同元件的模型函数会在复平面上相交于第二个点,称为混叠问题。该文采用多频方法来消除此混叠现象。仿真结果验证了方法的有效性。     

基于 ANN 状态识别系统的变压器故障检测方法

提出基于ＡＮＮ状态识别系统的变压器故障检测方法。该系统主要由ＡＮＮ变压器一次电压非线性估计器、比较器、计数器等构成。它通过比较一次电压实际值与估计值的大小,识别变压器内部是否发生故障。关于ＡＮＮ状态识别系统在检测变压器故障中的正确性及快速性,通过数字仿真得到验证。     

输电网络故障诊断系统

在电力系统发生复杂故障、保护和/或断路器不正确动作、保护和/或断路器警报信号畸变和丢失等情况下,要靠调度人员及时而准确的判断故障就相当困难。这样,就需要发展电力系统故障诊断决策系统,以辅助调度人员对所发生的故障做出及时而正确的诊断。在此背景下,针对我国省级电力系统的实际需要,研究和开发了输电网络的故障诊断决策系统。该系统以故障诊断解析模型为基础,以保护和断路器状态为诊断信息源,采用优化算法实施故障诊断。该系统的软件开发以公共信息模型架构为基础,实现了与能量管理系统(Energy Management System,EMS)、监视控制与数据采集系统(Supervisory Control And Data Acquisition,SCADA)以及故障信息系统(Fault Information System,FIS)的信息交互,可以协助调度人员在面对复杂故障和非常见故障时,迅速确定故障元件,进而加快事故处理速度,尽快恢复供电。     

浅述电气设备故障诊断

电气设备故障诊断是实现设备预知性维修的前提,是保证设备安全可靠运行的关键。而继电保护装置则是在电气设备发生故障时,能够迅速而有选择性地切除故障元件,这是保证电力系统安全运行地最有效方法之一。旨在把故障诊断这一功能嵌入到继电保护装置中,实现保护装置对电气设备的故障诊断。本文主要针对高压断路器来说,它的故障诊断过程基本上分为三个方面：首先是故障诊断信息的获得;其次是故障特征参数量的提取;最后是故障状态的识别和故障的诊断。     

模拟电路单故障与多故障诊断的提升小波和RBF方法

为了更高效、更准确地诊断模拟电路的单故障和多故障,提出了提升小波和RBF神经网络相结合的方法。该方法用提升小波系数表征故障电路的特征,训练RBF神经网络,将训练好的神经网络作为分类器,对故障电路进行诊断。通过对比,提出的提升小波方法诊断效果明显优于传统小波,准确率达到99.2%,用时更长。结果表明,基于提升小波和RBF神经网络的模拟电路单故障与多故障诊断方法可以有效地提取故障电路的特征并准确快速地对故障进行分类。     

基于神经网络的非线性系统故障诊断方法

本文作者引入了用神经网络设计的故障估计器,在线对系统进行故障诊断;同时引入补偿控制器,消除系统故障,实现容错控制。     

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 ,且证实了基于RBF网络的电流保护的可行性     

基于模糊神经网络的变压器故障诊断新方法

基于模糊理论与神经网络理论,提出了变压器故障诊断的新方法,根据特征气体法和改良ＩＥＣ三比值法,建立了模糊神经网络诊断模型。此模型有效地处理了故障诊断中的不确定因素,并具有较强的知识获取能力,研究结果表明了这种方法的有效性和应用前景。     

中性点不接地电力系统异地两相短路故障的案例分析

在中性点不接地电力系统继电保护的整定和接地线校验热稳定分析等工作中,需要对复杂的异地两相接地短路电流进行计算,现有算法求解困难.通过分拆系统零序阻抗,将异地两相接地短路电流计算化简为2个单相接地短路电流计算,对35kV系统的异地两相接地短路事故实际案例进行分析,验证了该算法,并给出供电线路继电保护整定的改进建议.     

基于决策树与脉冲神经膜系统的输电网故障诊断方法

为有效处理电网故障诊断过程的不确定和不完备信息,提出一种基于决策树与模糊推理脉冲神经膜系统的输电网故障诊断方法:首先采用权重网络分割法将电网分割为若干小型子网,再利用决策树算法对原始故障决策表进行训练,并约减故障信息,提取输电网故障产生式规则;然后利用模糊推理脉冲神经膜系统的强大知识并行推理和模糊信息处理能力,建立基于 FRSNPS 的故障诊断模型,实现输电网故障诊断;最后,以 IEEE14 节点标准系统为对象进行仿真实验和分析。实验结果表明,该方法在单类型和多类型故障信息丢失时,依然能够诊断出正确故障元件。     

基于小波变换和人工神经网络的保护原理研究

提出了一种利用小波变换提取信号特征,并结合神经网络来识别电力系统短路故障的方法．该方法首先对测量信号作小波变换,提取特征量,作为多层前向神经网络的输入．对不同的输出要求,提出采用不同的神经网络,判断出发生故障的相位、性质和位置．     

基于案例推理的电力设备多故障诊断方法

在分析多故障模式特点的基础上,建立了面向多故障的案例知识库,并提出了一种基于二次检索策略的电力设备多故障诊断方法.采用基于权重隶属度的候选案例生成方法对案例库进行初步检索,有效地减少了候选案例的数量.通过灰色关联分析对案例相似度进行计算,获得最有可能发生的故障案例,避免了多故障组合爆炸所带来的大计算量问题.最后通过实例对所提出的方法进行了说明.