人工智能在电力系统故障诊断中的应用

本文介绍了几种人工智能技术在电力领域中的应用及其优、缺点。     

基于粗糙集理论和信息融合的变电站故障诊断方法

由于变电站故障诊断信息中含有大量不确定、噪声数据，提出了利用粗糙集理论对大量的诊断征兆信息进行分类，从而获得简约的规则。然后从单个决策表中获得多个简约的决策规则集，再利用信息融合来综合这些简约的规则集进行故障的诊断，从而提高诊断的效率和准确性。从最后仿真比较的结果中可以看出该方法对含有噪声的数据也能获得较好的诊断准确率。     

基于贝叶斯网络及信息时序属性的电力系统故障诊断方法

该文提出了基于贝叶斯网络的故障诊断方法，并拓展建立了蕴含时序属性的贝叶斯网络分布式处理模型。该方法具有以下特点：诊断模型清晰直观，易于发现数据间的因果关系；综合了先验信息和后验信息，适合不确定性和不完备信息下进行诊断决策；充分合理地利用了信息的时序属性，有效地提高了诊断结果的准确性。算例测试结果表明所提出的故障诊断模型正确、方法有效，且在实时故障诊断的应用上具有很好的潜力。     

基于信息融合理论的电力系统预测方法研究

针对电力系统大而复杂的特点,分析了以往各种预测法对电力系统预测精度提高的有限性,提出了一种基于信息融合理论的电力系统预测法.依据对信息融合熵的定义,提出并证明了信息融合的有效性和熵最大压缩两定理.基于此,给出了基于信息融合理论的电力系统预测方法的依据、准则和步骤.通过对信息融合的信息量增加定理和基于信息融合理论的电力系统预测误差减小定理的提出与证明,以及实际算例,都充分说明了该方法的可行性和优越性.     

基于信息融合理论的电力系统预测方法研究

针对电力系统大而复杂的特点 ,分析了以往各种预测法对电力系统预测精度提高的有限性 ,提出了一种基于信息融合理论的电力系统预测法。依据对信息融合熵的定义 ,提出并证明了信息融合的有效性和熵最大压缩两定理。基于此 ,给出了基于信息融合理论的电力系统预测方法的依据、准则和步骤。通过对信息融合的信息量增加定理和基于信息融合理论的电力系统预测误差减小定理的提出与证明 ,以及实际算例 ,都充分说明了该方法的可行性和优越性     

人工智能技术在电力系统故障诊断中应用

对人工神经网络、专家系统、遗传算法、模糊理论等人工智能技术的基本概念进行了简单的介绍，并从实用化的观点对它们在电力系统故障诊断中的应用特点、存在问题进行分析，最后指出人工智能技术用于电力系统故障诊断的最新发展动向。     

一种基于Petri网和概率信息的电力系统故障诊断方法

提出了一种基于Petri网和概率信息的面向电力系统故障诊断问题的建模和诊断分析方法。逻辑检验和实例仿真证实了所给出的方法的可行性和有效性，并符合工程实用性要求，可在电力系统紧急控制等方面发挥技术支持作用。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态，实现对电机故障模式的自动识别和准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser sha-fer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，能够满足诊断的实时性要求。     

基于信息理论的电力系统在线故障诊断

该文引入信息理论来研究和处理电力系统故障过程中存在的不确定性，研究了电力系统故障中的信息运动过程，建立了故障诊断的信道模型；基于信息损失最小原理，提出了适用于大规模系统不确定性决策的故障诊断新方法，该方法将故障诊断问题转化为求取最小信息损失的组合优化问题。文中还研究了通过信息损失来计算故障诊断解空间的概率分布方法，并针对大规模系统给出了近似解空间概率分布的求解方法。应用该文方法进行电网故障诊断，能给出各种可能发生的故障组合以及每种故障组合发生的概率。算例表明，该方法的快速性能满足大规模电力系统在线故障诊断辅助决策的要求。     

基于贝叶斯网络的电力系统故障诊断方法

针对电力系统故障诊断中存在的信息不完备和不确定性问题,提出了基于贝叶斯网络的故障诊断方法。依据保护装置动作原理分别建立了完备和不完备信息下的分布式贝叶斯网络模型,用该模型进行故障诊断,验证了该方法的正确性和有效性。     

融合信息理论的电力系统故障诊断解析模型

保护与断路器动作的不确定性和警报信息的不确定性是实际电力系统故障诊断时需要考虑的主要问题。以电力系统故障诊断解析模型为基础,融合信息理论中的方法来解决这一问题。阐述了故障诊断的信息运动过程,在此基础上通过解析分析保护与断路器动作逻辑和警报信息之间的关系,发展了基于信息量损失最小的故障诊断优化模型,充分考虑了警报信号的不确定性。采用改进遗传算法求解。用浙江电力系统实际发生的故障案例说明了该方法具有较强的容错能力且诊断速度快,对于复杂故障案例,计算时间在1 s之内,满足在线故障诊断要求。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态,实现对电机故障模式的自动识别和准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断,获得彼此独立的证据,再运用DS(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,能够满足诊断的实时性要求。     

人工智能技术与电力系统融合发展研究

与人工智能的深度融合将是新型电力系统的主要特征。梳理了人工智能的关键技术体系,人工智能在电力系统中应用的重点技术领域、主要业务场景,以及人工智能与电力系统融合的典型应用范式,分析了人工智能研究成果与电力系统实际工程应用之间的差距,明确了企业经营、安全生产、客户服务、基础支撑四方面人工智能与电力系统融合的具体发展目标,提出了包括感知智能深化应用、认知智能发展实现、创造智能三阶段的人工智能与电力系统融合发展战略规划。     

基于遗传算法的电力系统分层信息故障诊断方法

分层信息是指在不失信息的完整性和可靠性的基础上,把采集信息按目前电力系统通讯规约在时间优先级的规定划分为遥信变位,遥测,录波三层.在简要说明故障诊断的必要性后,说明了采用分层信息和遗传算法的优点,论述了基于GA的分层信息故障诊断方法的流程.通过模型系统的算例,表明所提出的方法十分有效.     

基于信息融合的变压器故障诊断系统设计

结合现场具体情况,提出了电力变压器状态监测的综合分析方法,并就状态的选取与处理、规则的描述、诊断推理过程作了深入探讨.围绕变压器局部放电特征量、油中溶解气体分析等数据,采用了超声波定位、神经网络、专家系统推理等方法,将各种诊断方法融为一体,设计了基于信息融合的变压器故障诊断系统.该系统的应用将极大地提高变压器的运行可靠性及利用率,延长变压器的使用寿命.     

基于遗传算法的电力系统分层信息故障诊断方法

分层信息是指在不失信息的完整性和可靠性的基础上 ,把采集信息按目前电力系统通讯规约在时间优先级的规定划分为遥信变位 ,遥测 ,录波三层。在简要说明故障诊断的必要性后 ,说明了采用分层信息和遗传算法的优点 ,论述了基于GA的分层信息故障诊断方法的流程。通过模型系统的算例 ,表明所提出的方法十分有效。     

传感器多故障诊断的信息融合方法研究

提出了基于证据理论的在不同识别框架下的多传感器多故障诊断的信息融合方法。利用多个传感器在空间或时间上的冗余或互补信息，为故障的检测和分离提供诊断依据。采用模块化的径向基函数状态识别网络来获得传感器状态的证据，即发挥了神经网络的优点，又解决了因输入参数改变而不可用的缺点。提出了一种在不同识别框架下的证据组合规则，采用精细和粗化运算，可充分利用传感器的冗余或互补信息，减少传感器状态的不确定性。仿真结果表明该方法可以对传感器的单故障和多故障进行有效的诊断。     

基于开机过程信息融合的水电机组故障诊断方法

为保证水电机组运行的可靠性,通常采用基于振动频率分析的故障诊断技术。但是水电机组故障类型间存在重叠的频率特征,仅凭频率分析不易确定故障类型。因此,文中采用信息融合技术,引入开机过程中的时间和空间特征信息,在特征层采用支持向量机作为信息融合手段,在决策层采用D-S证据理论进行信息融合。实验结果表明,信息融合增加了故障诊断的特征信息,提高了故障诊断系统的诊断能力。     

人工智能技术在输电网络故障诊断中的应用述评

简要介绍了相关的人工智能技术,如专家系统（ｅｘｐｅｒｔ ｓｙｓｔｅｍ）,人工神经网络（ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）,模糊理论（ｆｕｚｚｙ ｔｈｅｏｒｙ,遗传算法（ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ）及Ｐｅｔｒｉ网络（Ｐｅｔｒｉ ｎｅｔ）等的基本概念,并在此基础上对文献中提出的相应的输电网络故障诊断方法进行述评,分析它们在输电网嶷故障诊断中应用的特点以及存在的主要问题,以促     

专家系统技术在我国电力系统故障诊断中的研究与应用现状

阐明采用专家系统技术进行电力系统故障诊断的必要性和可能性,介绍专家系统的原理与结构,全面综述专家系统技术在我国电力系统故障诊断中的研究与应用现状。