基于改进SDG的电站热力系统故障诊断方法研究

基于符号有向图（SDG）深层知识模型能够表达复杂的因果关系,具有包容大规模潜在信息的能力,在流程系统领域是完备性较好的一种故障诊断方法.但固有的缺陷限制了它的进一步应用.该文通过采用主元统计-有向图方法,可以有效避免传统SDG在确定节点状态和阈值时的单变量统计的缺点;并对某些定性特征一样而定量值不同的故障模式,为了能有效区分,根据节点相对变化增益,在SDG上加入定量信息,并去构造隶属函数,然后由模糊数学最大隶属度原则去进一步确定故障.案例研究表明基于改进SDG方法可以进行有效的诊断.     

模糊概率符号有向图单元模型及电站高加系统故障诊断

针对复杂系统的符号有向图(signed directed graph,SDG)模型结构复杂,搜索路径组合爆炸等缺点,将SDG符号识别能力和知识库易于维护的特点相结合,提出了模糊概率SDG单元模型,建立了模糊概率SDG单元库,并描述了基于SDG单元库的故障推理方法。复杂系统的测点不完备性和参数耦合性是故障诊断中亟需解决的问题,在建立SDG单元库时,充分考虑了这两个问题。以某600MW机组高加系统为例,采取仿真与现场经验相结合建立SDG单元库,并通过现场故障实例验证了该故障推理方法的有效性。SDG单元模型结构简单,推理快速,有效避免了组合爆炸的问题,故障诊断准确率高,能有效克服现场测点缺失和系统参数耦合问题。     

基于遗传算法的电力系统故障诊断的解析模型与方法──第一部分 : 模型与方法

本文共分三部分。第一部分发展了电力系统故障诊断的解析模型与基于遗传算法的方法;第二部分首先提出了用计算机自动形成故障诊断的目标函数的方法,这是实现在线故障诊断所必需的。之后介绍了为浙江省电力局开发的在线故障诊断实用软件的组成与功能;第三部分介绍了将该软件应用于浙江省２２０ｋＶ以上电力系统时其ＥＭＳ信息的获取方法及模拟在线测试结果。这里是第一部分,着重介绍了所发展的同时利用保护和断路器信息的故障诊断的解析模型。其在数学上是一个无约束０－１整数规划模型,借助于充分利用断路器的跳阐信息。这种模型在一定程度上解决了保护信息不完整时的电力系统的故障诊断问题。之后,概述了利用实时网络拓扑分析方法识别故障平息后的停电（故障）区域的方法,从而可将故障诊断局限于这些小的停电区域之中,以大大节省计算时间。此外,还简要介绍了用遗传算法求解故障诊断问题的基本步骤。     

基于改进分层有向图的故障诊断方法

针对火电机组热力系统内部因果关系复杂、故障诊断系统实时性差以及分辨率低等问题,提出了基于符号有向图(SDG)的分层有向图模型,以及基于改进分层有向图的故障诊断方法,即采用有向图分层策略,使故障源的搜索空间减小;利用故障报警节点回溯路径上的定性关系,搜索相容支路确定故障源候选节点。将分层有向图故障诊断方法应用于某台除氧器的故障诊断,并与传统的SDG故障断方法进行比较,结果表明,分层有向图故障诊断方法的有效节点搜索空间明显小于传统的SDG方法,从而提高了系统的诊断速度;使故障源节点的分辨率达到100%,满足实时性要求。     

基于遗传算法的电力系统故障诊断的解析模型与方？…

介绍了应用本文前两部分描述的故障诊断方法与实现的软件于浙江电力系统时，ＥＭＳ信息的获取方法以及模拟在线故障诊断的测试结果。     

基于模糊动态模型的传感器故障诊断方法

提出了解决控制系统全工况运行条件下传感器故障的诊断方法。系统的动态特性用模糊动态模型描述，模糊动态模型由一组反映系统局部动态的线性子模型通过模糊关系连接而成，基于观测器理论进行故障残差的设计，提出了一种衡量故障残差鲁棒性能的指标，然后采用遗传算法优化该鲁棒性指标，得到故障诊断观测器的优化增益阵和加权阵，最后讨论了诊断系统的稳定性，仿真结果表明：该诊断方法能很好地适应系统运行的不同工况，并有效地提高了诊断策略的鲁棒性。     

大型风力发电机组故障诊断方法综述EI北大核心CSCD

故障诊断技术是保证风场运行效率并降低风场运营成本的关键。对风电机组故障诊断技术进行综述,按照基于定性诊断、定量诊断的分类方式,针对现有风电机组故障诊断方法并结合故障诊断系统进行分析。对每一类现有故障诊断方法再次归类,指出这些方法的基本思想、适用条件和应用范围以及优缺点,并探讨了风电机组故障诊断技术未来可能的主要发展方向。     

基于模型分层的配电网故障诊断方法

针对配电网故障的基于模型诊断方法在发生多重多相故障时存在诊断速度慢、诊断准确率不高、容错能力低的情况,提出一种适用于配电网故障的基于模型分层诊断方法。在诊断算法上,利用新的适应度函数和特征学习搜索策略来提高诊断速度和诊断准确率。在诊断模型上,利用分层的方法,将单层单次高维度运算转变为2层多次低维度运算,进而再次提高诊断速度、诊断准确率;通过定义等效部件的约束关系式提高第1层诊断的容错能力,利用电压约束和电流约束的冗余关系提高第2层诊断的容错能力。算例表明,与其他模型相比,基于模型分层诊断方法的诊断速度有了较大的提高,诊断准确率始终维持在理想值附近,容错能力明显增强;在大规模配电网故障诊断中,其优势明显。     

基于键合图理论的故障诊断方法及在锅炉给水泵上的应用

利用键合图模型知识表达方式，可创建系统设备之间的复杂因果推理关系，从而生成故障树，进行系统的故障诊断。文中以锅炉给水泵为对象，提出一种基于键合图理论的定性故障诊断方法。在介绍故障树和键合图基本理论后，提出利用键合图生成故障树的概念，然后通过给水泵系统的键合图模型，给出了基于倒置因果分析方法的给水泵故障树，并为因果树中元素分配了定性值，利用故障树边界层元素的定性值分析法，定位出引起给水泵初始故障集的故障源。此方法具有定性故障诊断的优点，通过给水泵动态特性的仿真结果验证了该方法的正确性。     

基于故障树与键合图的贝叶斯网络故障诊断

基于模型的故障诊断往往采用人工智能技术来处理不确定的知识和不完整的信息。概率推理法是一种处理不确定或不完整信息的方法,而贝叶斯网络是一种能够将它应用于实际的工具。提出了一种基于故障树和键合图理论来构建贝叶斯网络模型的新方法,并对系统进行故障诊断。实现了对引起系统或过程的异常行为的元件进行准确定位,并获得同时出现故障的元件对系统影响程度的大小,即为系统操作员提供了一个关于系统组件的优先级检查和维护计划。最后,对此方法的性能进行了仿真验证。     

应用贝叶斯网络模型的电力系统故障诊断

遗传算法应用于电力系统故障诊断的一个难题是如何建立合理的数学模型。针对这一难题,建立了基于元件的贝叶斯网络故障诊断模型,并通过一定的推理规则,根据贝叶斯网络形成遗传算法的目标函数,用遗传算法进行优化求解。在应用遗传算法时,对传统算法进行了一系列的改进,改善了算法的收敛性能,提出了在迭代过程中推测不完备信息的方法,增强了算法对于大量不完备保护信息的处理能力。大量算例表明了所述方法的合理性和实用性。     

基于深度学习和知识图谱的变电站设备故障智能诊断

及时发现并诊断变电站运行中设备存在的问题,是保障电网安全运行的关键手段之一.基于深度网络与知识图谱技术,提出一种关联变电站设备多模态信息的故障智能诊断方法.利用深度学习技术和知识图谱方法对采集的多模态数据进行知识提取和融合,构建一个多模态信息融合的语义知识图谱;使用YOLOv4算法对故障样本聚类并提取先验框参数;将多模...     

采用量子遗传算法的船舶电网故障诊断方法

为在船舶电网发生故障时能准确的确定故障元件,在深入分析船舶电力系统独特的结构和保护配置特点的基础上,考虑保护或断路器拒动情况下计及主保护、后备保护之间状态关系对目标函数的共同影响建立了适合船舶电力系统故障诊断的数学模型,利用量子遗传算法具有比普通遗传算法更好的种群多样性、更快的收敛速度和全局寻优的能力的优点对故障诊断数学模型进行求解,并利用典型船舶电网故障算例对所提方法进行了验证,算例结果说明了该故障诊断模型的合理性和诊断结果的准确性.     

基于遗传-神经网络的凝汽器故障诊断研究

综合遗传算法的全局优化和神经网络的并行计算等特点 ,提出了一种基于遗传 -神经网络的凝汽器故障诊断的方法。用遗传算法来优化神经网络权值 ,克服了神经网络易陷入局部解的缺陷 ,使神经网络具有较好的全局性和收敛速度。具体故障诊断实例表明 ,该方法诊断准确 ,具有一定的应用价值     

遗传算法的变压器故障模糊诊断

针对变压器故障诊断过程中存在的模糊性,采用模糊数学方法进行处理,并运用遗传算法对其中涉及的参数进行优化,最终实现更有效故障诊断。     

模型诊断在配电线路故障诊断中的应用分析

现代电力系统的配电网结构日益复杂,其发生故障的概率不断增加,采用人工智能方法能够有效地查找配电网故障原因,尽快恢复供电,本文进行了模型诊断在配电线路故障诊断中的应用分析。阐述了模型诊断的基本思想及基本过程,提出了改进冲突识别的方法和基于模型诊断的配电线路故障诊断方案,经实例验证,该方案能够有效地实现配电线路的故障诊断,具有一定的大规模推广应用价值。     

采用知识网格技术的智能输电网故障诊断方法

针对现有电网故障诊断专家系统在省级及以上调度中心应用时所存在的诊断速度慢、专家知识在线维护困难等问题,提出基于知识网格技术的智能输电网故障诊断方法。首先将知识网格技术引入智能输电网故障诊断领域;其次结合智能输电网故障诊断的实际应用背景,构建智能输电网故障诊断知识地图,并介绍智能输电网故障诊断知识地图中各个部分的生成方法;最后根据实际案例,对比分析基于专家系统的方法和基于知识网格技术的电网故障诊断方法在诊断效率和知识维护等方面的差异,并指出这2种方法的适用环境。