时间约束的改进分层模糊Petri网的配电网故障诊断方法

配电网发生故障后,迅速利用大量的告警信息判别出故障元件,能为调度中心的工作人员提供重要的决策支持。针对现有Petri网的故障诊断方法未应用在配电网中的问题,提出了一种时间约束的改进分层模糊Petri网的配电网故障诊断方法。对配电网中的可疑故障元件建立改进的分层模糊Petri网模型,能够适应网络拓扑结构的变换,利用获得的报警信息通过反向和正向时序推理对保护和断路器进行时序检查,对不满足时间约束的库所进行置信度修正。给出了改进分层模糊Petri网模型的推理流程及矩阵推理算法,在矩阵推理过程中引入高斯函数修正概率,使概率始终保持在0～1,最终得到故障元件的置信概率及其时间点约束。通过对配电网系统算例的比较、分析,验证了所提方法的正确性和合理性,能够有效地诊断出配电网的故障元件。     

基于粗糙集理论和Petri网的断路器故障诊断

将粗糙集理论和Petri网相结合,一同用于断路器故障诊断。为了简化断路器故障诊断决策表,采用粗糙集理论中区分矩阵算法和规则提取的矩阵算法对决策表实现条件属性约简与规则简化,找到决策表中隐藏的潜在规则,减少工作量,降低不确定信息的影响,提高故障诊断准确率。用粗糙集理论得到的规则建立Petri网络模型,Petri网可以将知识表示和诊断能力融为一体,利用Petri网实现并行推理,通过简单的矩阵运算对断路器故障诊断进行快速计算。实例分析表明所提出方法准确有效。     

粗糙集结合Petri网的3/2接线变电站故障诊断研究

500kV及以上的变电站多采用3/2接线方式,其主接线结构和保护配置具有自身的特点.本文在分析了3/2接线系统保护动作策略的基础上,建立了故障诊断的初始决策表,并利用粗糙集的属性优选对该表进行最小约简,构建最优的Petri网模型,从而实现故障诊断.变电站故障诊断实例证明了该方法不仅能够准确诊断出3/2接线系统的故障元件,而且诊断速度快,容错性好.     

基于粗糙集理论的配电网故障诊断研究

鉴于粗糙集理论在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之处的任何先验信息,运用粗糙集理论研究了因保护装置和断路器误动或拒动,通信装置的故障等原因造成的不完备警报信号模式下的配网故障诊断新方法。该方法把保护和断路器的信号作为对故障分类的条件属性集,考虑了各种可能发生的故障情况,以此建立决策表,然后实现决策表的自动化简和约简的搜索并利用决策表的约简形式,区分关键信号和非关键信号,直接从故障样本集中导出诊断规则,从而达到在不完备警报模式下快速准确地故障诊断的目的,揭示了警信息集合内在的冗余性。该文以VB6．0为主界面,运用Visual C 语言编程实现对故障区域的诊断,通过实际配电网的大量仿真表明：该方法简单,有效,具有良好的容错性能。     

基于时间约束的分层模糊Petri网的配电网故障诊断

配电网发生故障后充分利用报警信息和时序信息快速准确地诊断出故障元件,是对配电网可靠供电和保证配电网安全运行的首要任务?在现有Petri网的故障诊断基础上,提出一种基于时间约束的分层模糊Petri网的配电网故障诊断模型?建立的模型对配电网的拓扑结构变化具有良好的适应性,通过使用主保护和主保护对应断路器的动作时间来获得原因事件动作起点,并对高斯函数进行修正?通过算例比较证明此方法具有较强的准确度和通用性,能有效地诊断出配电网的故障?     

基于粗糙集的适应型Petri网故障诊断模型研究

针对Petri网应用存在模型状态空间复杂度问题,提出粗糙集与Petri网相结合的诊断算法,利用粗糙集的关联规则挖掘算法将包含繁冗信息的复杂系统简化,从而解决了Petri网的状态空间随着实际系统的规模增大而呈指数性增长的"知识爆炸"问题。在Petri网的数学理论基础上,提出了改进的关联矩阵和状态方程计算方法,提高了推理搜索速度,同时将诊断问题转化为矩阵运算,使复杂的推理转变为简单的数学计算。最后将该算法应用于直线感应电机参数优化诊断实例,证明了该算法的有效性和快速性。     

Petri网与专家系统结合的输电网络故障诊断方法

介绍了一种应用Petri网数学模型并结合专家系统进行电力系统输电网络故障诊断的方法。根据断路器跳闸信息确定故障区域,通过搜索“六元表”找出故障区域中动作的各类保护及相关的断路器,通过与SCADA系统提供的信息进行比较,把对应各设备的继电保护信息输入Petri网故障诊断模型,最终确定故障元件。这种方法克服了专家系统难于用数学方法描述的缺点,利用Petri网建立数学模型,提高了故障诊断速度。通过实例仿真验证了该方法的有效性、准确性和通用性。     

基于Petri网的机车故障诊断方法研究

本文主要研究了Petri网在故障诊断中的应用。由千Petri网对系统的动态行为建模能力强,针对机车故障的基本特性,分析了Petri网在故障诊断中的应用,结合故障树模型的特点,提出了一种适合故障特性的故障Petrj网模型。与其他Petri网模型相比,该模型能够很好地描述故障的演变和传播特点,解决故障的各种传播模式问题。提出了故障Petri网的诊断算法,该算法具有并行推理能力,同时可以得到推理后系统的全部状态值,也可以方便快速地找出故障的传播路径。     

电动机故障诊断的Petri网方法

Petri网是异步并发诊断系统建模与分析的一种重要工具,它可以利用图形语言对故障诊断系统的结构、功能及流程进行系统的分析和描述,在故障诊断领域得到了越来越广泛的应用。论述了Petri网的矩阵描述方法以及Petri网建模的一般方法。根据文中给出的电动机常见故障及其征兆表提出了一种电动机故障诊断Petri网模型,该模型只需经过简单的矩阵运算即可实现电动机故障的快速离线诊断。与传统的电动机故障诊断人工智能方法相比,具有简单直观,诊断速度快,准确度高的优点。并用搜集到的实例进行了验证,表明该诊断方法是迅速、准确的     

电动机故障诊断的Petri网方法

Petri网是异步并发诊断系统建模与分析的一种重要工具,它可以利用图形语言对故障诊断系统的结构、功能及流程进行系统的分析和描述,在故障诊断领域得到了越来越广泛的应用.论述了Petri网的矩阵描述方法以及Petri网建模的一般方法.根据文中给出的电动机常见故障及其征兆表提出了一种电动机故障诊断Petri网模型,该模型只需经过简单的矩阵运算即可实现电动机故障的快速离线诊断.与传统的电动机故障诊断人工智能方法相比,具有简单直观,诊断速度快,准确度高的优点.并用搜集到的实例进行了验证,表明该诊断方法是迅速、准确的.     

基于粗糙集与决策树的配电网故障诊断方法

针对配电网发生故障后故障诊断警报信息存在不确定性和不完整性导致难以得出准确诊断结果的问题,提出一种基于粗糙集与决策树的配电网故障诊断算法,实现了对故障样本决策表进行无教师的规则提取。该算法将配电网的原始样本集转化成决策表,利用粗糙集具有较强的处理不确定和不完备信息的能力,对决策表的条件属性进行约简处理;同时,利用决策树具有快速学习及分类的优势对约简后的决策表进行诊断规则提取;将产生的规则运用于配电网故障诊断中以实现快速故障诊断。该算法提高了配电网故障诊断的精度和鲁棒性,最后通过算例验证了该算法的有效性。     

基于BP网络算法优化粗糙-Petri网的电网故障诊断

为了使电网故障诊断的过程更简洁、快速和直观,提出了一种基于BP网络算法优化粗糙-Petri网的电网故障诊断方法。首先用粗糙集理论对电网的故障征兆数据进行处理,从冗余的故障信息中约简出最小决策表;然后基于得到的最小决策表提取诊断规则并建立最优的 Petri 网模型,利用 Petri 网处理并行推理的能力来实现高效的电网故障诊断。其中引入神经网络中的BP算法对电网故障诊断Petri 网模型的权值参数进行网络优化训练。电网实例分析结果表明该模型能准确找到故障区域,具有较好的快速性、自适应性和一定的容错性。     

基于粗糙集理论和Petri Nets的变压器故障诊断

介绍了一种基于粗糙集理论和Petri Nets相结合的变压器故障诊断方法,并通过故障实例证实了该方法的准确性和高效性.     

粗糙集理论提取配电网故障诊断规则的方法

针对决策表约简这一NP(NondeterministicPolynomial)难问题采用粗糙集理论进行配电网故障诊断,提出了一种以属性长度和频率作为启发式信息的约简算法和相应的属性值约简方法,实现了决策表的快速简化及故障诊断规则提取,同时针对故障诊断中存在信息残缺的情况,给出了基于欧氏距离的规则匹配方法。整个算法思路清晰,抽取的诊断规则形式简洁,不需要对区分矩阵进行大量计算就能有效地获取决策表的最佳约简。仿真实例表明该方法计算速度快,获取的规则不仅形式简单且能反映出故障的特点;形成的故障诊断规则库能给出一个满意的诊断结果,方法具有良好的容错性能和在线故障诊断的潜力。     

基于粗糙集-BP算法的配电网故障诊断

将粗糙集理论与BP神经网络相结合,以粗糙集中的信息系统决策表为主要工具,通过基于遗传算法的粗糙集属性约简算法对配电网中的原始数据进行约简,然后利用BP网络对最简规则集进行学习训练,最后用改进的粒子群算法对BP网络的权值和阈值进行优化,形成改进粒子群优化粗糙集-神经网络的模型结构。诊断结果表明:通过粗糙集属性约简,删除了大量不必要的冗余数据,提高了诊断速度和准确度。同时,针对配电网发生故障时存在误动、拒动等情况,该算法具有较高的泛化能力和较好的容错性。     

基于模糊时间Petri网的电网故障诊断方法

故障元件判别作为电网故障应急处置的首要环节,是在线调控运行的重点工作之一。针对现有基于Petri网的电网故障诊断方法未充分利用时序信息或者时序推理过程复杂的问题,提出一种基于模糊时间Petri网的电网故障诊断方法。为Petri网中库所及变迁引入时间属性以表征电力系统告警信息的时序约束关系,定义了置信概率与时序约束的关联推理运算,并从模型结构出发建立了模糊时间Petri网的分层推理过程,能够同时推理得到元件故障的置信概率及其时间点约束。算例仿真表明,所提方法能够快速判定故障元件,诊断结果正确且合理,具有较强的容错性,且能对告警信息做出正确评价。     

粗糙集理论在配电网故障诊断中的应用

鉴于粗糙集理论在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之外的任何先验信息,运用粗糙集理论研究了因保护装置和断路器误动或拒动、通信装置故障等原因造成的不完备警报信号模式下的配电网故障诊断新方法。该方法将保护和断路器的信号作为对故障分类的条件属性集,考虑了各种可能发生的故障情况,以此建立决策表,直接从故障样本集中导出诊断规则,并揭示了警报信息内在冗余性。运用Visual Studio.NET开发平台,使用Vis- ual C#语言对配电网典型网络的故障诊断进行了编程,算例结果表明了该方法的有效性。     

汽轮发电机组振动故障诊断的Petri网模型

Petir网理论是以网络理论、代数理论等为数学基础的,可利用图形语言对故障诊断系统的结构、功能及流程进行系统的分析和描述,是异步并发诊断系统建模与分析的重要工具之一.作者在论述了Petri网矩阵描述方法的基础上,根据汽轮发电机组故障征兆与常见故障类型之间的关系,建立了一种基于Petri网的汽轮发电机组振动故障诊断模型.与传统的汽轮发电机组振动故障诊断方法相比,该模型仅使用简单的矩阵运算,诊断过程简单直观,速度快.实例分析表明,利用该模型可对汽轮发电机组的振动故障作出正确判断.     

基于粗糙集理论和朴素贝叶斯网络的电网故障诊断方法

电网发生故障后,当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论。针对此问题,文章提出了一种粗糙集理论和朴素贝叶斯网络相结合的电网故障诊断方法。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立决策表,然后利用基于可辨识矩阵和信息熵的属性约简方法提取最佳属性约简组合,最后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型,并对节点概率进行训练。运用VC++编写了基于该方法的故障诊断软件,算例结果表明,该方法正确、有效,能提高系统在丢失核属性情况下的容错性,具有较好的实用价值。     

基于加权粗糙集的代价敏感故障诊断方法

在故障诊断领域，粗糙集已成为一种有效的不一致信息处理工具，然而当故障诊断存在明显的诊断代价差异时，经典粗糙集方法由于无法考虑先验知识而不能取得满意的效果。通过引入样本对象的主观加权，该文提出加权粗糙集的学习方法，设计了加权属性约简和加权规则提取算法，为粗糙集学习提供一种引入先验知识的途径。基于提出的加权粗糙集学习方法，开展了代价敏感故障诊断的研究，并进行了汽轮机振动的代价敏感故障诊断实验。实验表明，基于加权粗糙集方法的代价敏感故障诊断能优先选取高代价故障的关键征兆，并且使提取的规则集中高代价故障的规则具有更高的规则支持度和可信度，当诊断存在不一致的情况下，该方法倾向于将故障诊断为高代价故障，从而降低诊断代价。