An Efficient Fault Detection and Localization Method Based on Active Probing

针对目前基于主动探测技术故障检测与定位方法消耗探测过多、计算时间长以及定位准确度较低等问题,提出了高效的故障检测探测选择( PSFD)算法和故障定位探测选择(IFL)算法.PSFD算法在已有的贪婪增加算法上做了改进,提高了探测效率,缩短了探测时间.IFL算法将现有的2种故障定位探测选择算法相结合,在一定程度上降低了计算时间,提高了定位准确度.仿真实验验证了提出的PSFD和IFL算法的有效性,并对实验结果进行了分析.     

一种基于主动探测的高效故障检测与定位方法(2011通信软件会议)

针对目前基于主动探测技术故障检测与定位方法消耗探测过多、计算时间长以及定位准确度较低等问题,提出了高效的故障检测探测选择(PSFD)算法和故障定位探测选择(IFL)算法．PSFD算法在已有的贪婪增加算法上做了改进,提高了探测效率,缩短了探测时间．IFL算法将现有的2种故障定位探测选择算法相结合,在一定程度上降低了计算时间,提高了定位准确度．仿真实验验证了提出的PSFD和IFL算法的有效性,并对实验结果进行了分析．     

全光网中定位故障链路的探测选择算法

文中研究了全光网中定位故障链路的探测选择算法．目前存在的随机游走算法可以惟一定位出每条故障链路,但在大型网络中定位故障链路时会消耗过多的探测以及平均波长数．首先建立关于故障检测需要的监测路径集合,其次在建立好的监测路径上同时发送探测信号,最后在有故障的路径上执行故障定位;证明了最小监测路径集合问题是非确定多项式完全问题,并提出启发式的监测路径选择算法来找最小监测路径集合; 同时证明了用一个监测站来定位k条故障链路的充分必要条件是,网络为k+1边连通的．对比随机游走算法,探测选择算法在定位故障链路的过程中明显地减少了定位故障链路所需的探测数和每条链路上消耗的平均波长数．     

一种新的Iddq故障定位算法研究

提出了一种新的基于静态电流检测的故障定位算法,该算法依据输入向量序列的响应和电路的结构特征,通过对DUT电路正常情况下的模拟,可直接计算出可能的故障点,并能够完成多故障的定位。实验结果表明该算法能对桥接故障、漏电流故障等进行有效的定位。     

基于概率分析的高阻接地故障检测新方法

针对配电网系统的单相高阻接地故障,提出了一种基于概率分析的故障检测与定位方法.该方法适用于零序不接地或经消弧线圈接地系统,利用数据采集系统采集到的零序电压和各线路零序电流的变化,进行各线路故障概率计算,在最大故障概率条件下进行故障定位.算法简洁有效,现场实测数据证明了该算法的正确性和实用性.     

基于模糊神经网络火控故障诊断系统研究

针对火控系统实时故障检测与诊断难题,对火控故障诊断系统的功能结构和故障特征进行分析研究.系统将状态监控、故障诊断、诊断意见集成为一体,采用分布式主从结构,提高了系统的可靠性和适应性.诊断算法以故障征兆特征与故障原因构成故障样本,在特定故障发生时其故障征兆就会呈现,通过神经网络训练提高了故障识别的准确性;选择蕴含算子并计算了故障信息模糊隶属度矩阵,分级进程推理完成故障识别和故障源的判定以提高诊断速度.通过实验证明了算法的有效性.     

支持多故障定位的探测站点部署方法

基于矩阵向量扩张的性质,研究了主动探测的故障定位方法. 提出一种支持多故障定位的探
测站点部署方法. 通过该方法在网络中部署探测站点对网络进行主动探测,能以较小的代
价尽早定位网络中的故障. 实验证明,该方法可以有效减少探测站点的数目,并且从探测站
点发出的最优探测集合可以对多故障进行定位.     

面向影响分析的电力通信网故障定位算法

由于电力通信网络具有极高可用性和风险规避的特点,使传统通信网在关注故障影响程度上有很大不同.针对遗漏通信网络故障可能导致电力事故的问题,提出了可信参数最小损失故障定位算法.算法基于加权概率二分图模型,在分析故障对症状的覆盖和贡献的基础上,重点考虑遗漏故障所造成影响,通过加入可信参数来优先选择给定影响度之上的假设故障集.仿真实验表明,最小损失故障定位算法能够在有效考虑删除故障可能影响的同时,兼顾对已观察症状的合理解释,在不增加算法复杂度的情况下,相对其他算法有较小的误判率和较短的算法平均运行时间,可以更好地适应于电力通信网络中的故障定位.     

基于PCA-SVDD的故障检测和自学习辨识

为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性.     

基于在线学习神经网络的状态依赖型故障预测

提出外部激励故障和内部激励故障的概念,研究非线性系统状态依赖型故障的预测问题.将非线性系统的故障模型描述成外部激励与内部激励相耦合的一般非线性函数形式,函数的结构未知.通过反向传播(BP)神经网络在线学习故障函数模型实时逼近故障模型,提出基于在线神经网络的状态依赖型故障的预测算法.该算法能够实时地检测故障,对系统状态和故障进行迭代估计和预测.利用系统状态的预测值实时预测了系统的失效时间.故障模型的一般化拓展充分体现了系统状态对故障的影响,增强了算法的实用性.仿真结果验证了该方法的有效性.     

基于二进制树的光网络故障定位算法研究

针对可能发生的各种故障,网络故障管理已经成为目前的热点问题.由于具有易损性、并且故障容易传播和难以检测的性质,当前几乎没有什么方法可以定位透明光网络的故障.因为它的故障传输并不是孤立的,通常比不透明网络更容易出现故障.为了能够尽可能精确的预防和定位故障,采用一种有效的故障定位方法.根据定位这种网络故障现存的方法--监控每个光信号再生点的情况,参考二进制故障树算法,对设置了监控器的透明光网络进行故障定位.该算法既考虑了理想情况(不存在漏/误告警)也考虑了存在漏/误告警的非理想情况,从而提高了故障定位的准确性.     

无线传感器网络中邻居数据分析的故障检测方法

针对无线传感器网络(WSN)故障检测导致额外的通信和计算负载问题,根据同一覆盖范围内传感器节点的监测数据相近的特点,提出了一种基于邻居节点数据分析的WSN故障检测方法. 通过分析节点的历史传感数据来计算节点的可信水平,从而确定可信的邻居节点. 将节点数据与覆盖范围内可信邻居节点的数据进行比较分析,判定节点是否故障. 仿真结果表明,算法在保持良好的故障检测能力和临时故障容忍能力的同时,并不额外增加节点的通信和计算负载.      

基于压缩感知的电网传输线故障定位方法

文中提出了一种基于压缩感知稀疏重构技术的广域故障定位方法,用于准确定位传输网络中的单故障和双故障位置.与早期传统的故障定位方法不同,该方法只需要通过相量测量单元(PMU)在数量有限的节点中测量即可实现故障定位.测量得到的电压相量和电网的阻抗矩阵产生一个欠定方程组,可以通过压缩感知稀疏重构的方法求解.重构得到了一个稀疏故障电流矢量,通过其中的非零元素判断可能的故障区域.对于没有故障的区域,可以由PMU测量到的电流相量计算相邻节点的电压,然后用新计算的电压和PMU测量值确定故障线路.利用替代定理和最小二乘法计算发生故障前后的节点电压变化量和故障线路两端的电流变化量.文中针对几种典型的故障类型,基于压缩感知和改进的传输线方程精确估计故障位置,消除了复杂的数学迭代过程,进一步提高了故障定位精度.应用PSCAD仿真软件在IEEE39节点系统上进行算例仿真,对故障定位算法进行了测试研究,验证该算法可以实现常见故障的精确定位.     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

基于EEMD和TEO的输电线路故障定位研究

提出了一种新颖的故障定位方法即EEMD-TEO算法,该算法克服了小波变换选择小波基函数和分解尺度的难题,同时避免了EMD出现的模态混叠现象。先在MATLAB/SIMULINK上搭建供电系统的模型并设置故障,然后提取故障信号进行分析,最后通过实验结果的分析,表明EEMD-TEO能够实现精准的故障效果。     

基于MODWT的自适应阈值微电网故障检测算法

对微电网线路故障的高效检测有助于快速切除故障,降低微电网对大电网的影响。现有的故障检测方法存在阈值难以选择、对高过渡电阻故障不敏感等问题,为此提出了基于极大重叠离散小波变换(MODWT)系数突变的自适应阈值选取故障检测算法。利用MODWT的特性,采用扩大窗的方法,在窗扩大的过程中对MODWT系数差值的阈值进行适应性调整。相较于现有的定阈值方法,该算法可以适应任意长度的数据样本对于多种故障状态可以进行适应性阈值调整,因此对高过渡电阻故障有较高的敏感度。通过仿真实验验证,该算法能在各种故障状态下快速检测故障发生的时间。     

基于三角波定位监督的分布式CFRP-OFBGs早期损伤检测方法

在分布式碳纤维复合材料-光纤光栅(CFRP-OFBGs)复合板的早期损伤监测中,传统方法如最大检测算法MDA(Maximum detection algorithm,MDA)检测效果较好,但计算空间与时间复杂度都很高,不适用于工程计算.因此,提出了一种新的快速三角波监督定位策略.该策略基于相同的反射光谱波长偏移,通过检测三角边界来获得近似结果.通过CFRP-OFBGs复合板压力实验,比较了本算法与最大检测算法在检测精度和准确度上的不同.结果表明:在相同实验环境和参数下,虽然精度下降约15%,但不影响识别准确度.此外,相较MDA算法,三角波监督检测策略能在CPU执行时间上大约快1倍,因而是一种相对经济有效的检测模型,能满足大型工程损伤检测需求.     

树形配电线路单相接地故障测距新算法

针对树形配电线路特点 ,建立单相接地故障的分布参数电路模型 ,于故障后利用线路起始端的电压相量和电流相量 ,提出了一种树形配电线路单相接地故障测距的新算法 .本算法利用树形线路的层次化拓扑结构描述方法 ,将始端相量逐分支向后传递 ,故障点逐分支搜索的方法实现故障分支的识别和故障点的定位 ,利用多频诊断法实现真伪故障的识别 .大量计算机仿真和在模型线路上的实验均表明该算法有效     

小波理论与行波理论在供电线路上的应用

介绍了行波在输电线路上的理论计算方法和传输特性,并结合实际提出了波阻抗和波速的简易测量方法,同时给出了小波变换的基本理论及小波基函数的选择依据.在此基础上,从故障测距、故障性质判断和继电保护三个方面提出了将行波理论与小波变换理论相结合在输电线路上的具体运用,该方法能够实现故障的精准定位,故障特征提取以及提高继电保护的灵敏性.     

基于GA优化人工免疫算法的结构故障诊断

针对大型结构的故障检测与分类问题,提出了一种基于GA进化机制的人工免疫算法.该算法将样本结构模式数据作为抗原刺激抗体集合,抗体集合经过选择、交叉、变异、构建最优抗体集合这一进化过程来提高记忆细胞质量,利用训练好的记忆细胞集合实现对实测数据的故障检测与分类.在Benchmark结构模型上的仿真实验结果表明,该算法能实现有效的故障模式识别,且提高了故障分类的成功率,引入了多父体交叉操作,扩大了算法的搜索范围,且能有效利用其他抗体的优良模式,克服了单纯人工免疫算法收敛速度慢的不足.