基于模糊理论的小电流接地故障选线融合技术研究

正确的接地故障选线是小电流接地系统存在的一大难题,通常采用的单一故障选线方法只对部分故障信息进行处理,因此选线的可靠性不高。基于这种状况,利用信息融合技术,并以基于信号增强的小波包故障选线法、群体基波比幅比相法、有功法的3种接地故障选线方法为例进行了模糊综合评判实例仿真,仿真结果说明针对多种选线方法进行模糊信息融合能够充分发挥各自优势,相互补充,扩大正确选线的范围。     

基于改进算法的粗糙集理论故障选线装置研究

针对KA系列模糊智能选线装置中小波包多频带选线算法所出现的误选问题,提出了基于粗糙集理论的小波包多频带的选线算法。该算法主要是应用粗糙集理论对故障样本的数据挖掘能力来确定低频衰减信号的增强比例,并在此基础上进一步利用粗糙集理论的信息融合功能对单相接地故障电流信号中所蕴藏的各种暂态及稳态信息进行融合。动模仿真实验结果表明基于粗糙集理论的选线算法能更有效地解决小波包选线算法所出现的误选问题,且较模糊选线算法精度更高、抗干扰能力更强、运行更稳定。     

基于改进算法的粗糙集理论故障选线装置研究

针对KA系列模糊智能选线装置中小波包多频带选线算法所出现的误选问题,提出了基于粗糙集理论的小波包多频带的选线算法.该算法主要是应用粗糙集理论对故障样本的数据挖掘能力来确定低频衰减信号的增强比例,并在此基础上进一步利用粗糙集理论的信息融合功能对单相接地故障电流信号中所蕴藏的各种暂态及稳态信息进行融合.动模仿真实验结果表明基于粗糙集理论的选线算法能更有效地解决小波包选线算法所出现的误选问题,且较模糊选线算法精度更高、抗干扰能力更强、运行更稳定.     

基于模糊综合评价的小电流接地故障选线研究

针对目前配电网小电流接地系统单相接地故障,单一保护算法不能完全满足选线可靠性和灵敏性要求的现状,将模糊理论应用于故障选线,根据单相接地故障的电气特性,选用零序电流比幅算法、五次谐波算法、零序能量算法和小波分析算法作为综合选线的基础判据,建立各选线的故障测度隶属函数。利用最小二乘法,结合客观权重系数和专家经验,确定组合权重系数。在此基础上,采用基于模糊综合评价的多重判据选线方案进行故障选线。在Matlab环境下搭建10kV配电网模型,分别仿真不同故障位置、故障合闸角和过渡电阻以验证理论的有效性及其选线精度的提高。     

基于模糊理论的小电流单相接地选线装置

正确接地故障选线是小电流接地系统长期存在的难题,通常采用的单一故障选线方法只对部分故障信息进行处理,选线的可靠性不高。文中把模糊理论应用于故障选线,智能融合各种故障信息,综合各种故障选线方法,并研制出多台样机挂网运行。现场运行记录表明装置选线准确,能适用于各种复杂故障。     

基于深度信息融合的小电流接地故障选线

基于信息融合技术的小电流接地故障选线方法当信息融合效率低时,将直接影响接地选线的准确性。分别利用傅里叶变换(FFT)和经验模态分解(EMD)对稳态和暂态的零序分量特征进行分析,通过建立故障测度函数,计算出线路故障测度;利用信息增益度,建立各种选线方法的故障测度;利用线路和方法故障测度得到最终的样本故障测度。把样本故障测度作为特征输入量,利用单纯形法(SM)优化参数的最小二乘支持向量机(LSSVM)算法进行深度信息融合选线。仿真结果表明上述方法应用于选线中具有很高的准确率和灵敏度。     

基于D-S证据理论的小电流单相故障多判据融合选线研究

利用单相接地故障的暂态量和稳态量分别构造幅值、相位故障测度函数,以定量评价疑是故障线路的程度.结合选线问题的特性,设计了以故障测度值为自变量的基本信度分配函数.运用D-S证据理论实现了多判据信息融合,将多判据选线问题转化为证据推理问题,给出了基于信息融合的综合选线策略.大量仿真算例证实了该方法的有效性.     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法。利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线。ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性。     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法.利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线.ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于模糊测度融合诊断的配电网接地故障选线

非有效接地配电网运行与故障条件复杂多变,现有配电网接地故障选线方法难以有效覆盖不同故障工况,尤其对于高阻接地与弧光接地故障,基于单一故障特征量的故障判据误判率高.该文提出一种基于模糊测度融合诊断的配电网接地故障选线新方法,借助模糊C均值聚类算法,将多种运行工况下采集的表征被保护馈线不同运行状态的历史特征样本集划分为故障...     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于粗糙集理论的配电网故障选线装置研究

为了提高小波包选线方法的选线精度,提出基于粗糙集理论和小波包分析的故障选线方法。该法利用电磁暂态软件ATP-EMTP仿真单相接地得到一组零序电流信号,从中提取故障特征,如最大幅值衰减比、首波头极性和有效值,并将其作为条件属性,信号需增强的比例作为决策属性,从而构成一个信息系统。通过属性约简和规则约简后得到最小规则集,并用该规则集增强低频采样信号。再进行小波包分解实现故障选线。基于上述原理研制了配电网接地选线装置,给出了装置的硬件结构及软件流程。试验结果表明该系统选线精度高、运算速度快、抗干扰能力强、运行稳定。     

基于模糊粗糙集理论和时空信息的空间负荷预测

空间负荷预测是城网规划领域的基础工作,目前空间负荷预测大多是依靠一些历史负荷数据来进行,却忽视了地理空间信息的影响。对于同一类用地来说,由于各小区的地理空间信息不同,其发展程度存在一定的差异,进而各小区的负荷密度也不相同,如果采用统一的负荷密度进行预测,势必会带来较大的误差。因此,该文提出一种基于模糊粗糙集理论和时空信息的空间负荷预测方法。借助地理信息系统(geographic information system,GIS)获取供电小区的空间信息,分析空间信息对各类负荷分布的影响。结合模糊粗糙集理论得到每个供电小区适合其发展的统一模糊粗糙因子(因为每类小区的统一模糊粗糙因子的划定都有其自身的标准,该统一模糊粗糙因子的大小仅适于同种类型小区间的比较),从而刻画出同类负荷间负荷密度的差异。该文所提方法能够更精确地刻画负荷发展不均衡、不协调的现象,提高空间负荷预测的精度。工程实例分析表明了该方法的实用性和有效性。     

基于量子神经网络和证据融合的小电流接地选线方法

在研究基于集成量子神经网络和Dempster-Shafer (DS) 证据理论故障诊断模型的基础上,提出将该模型应用到小电流接地选线中.利用快速傅里叶变换和小波包变换从零序电流信号中提取故障特征量来训练多个量子神经网络,再用DS证据理论对各个神经网络的输出结果进行全局融合,得到综合选线结果.仿真结果表明该模型对小电流接地选线具有很强的适应性,且不受系统接地方式、合闸角、过渡电阻等因素的影响,解决了单一判据选线准确率低和高维输入神经网络训练收敛速度慢、诊断时间长等问题.     

一种配电网单相接地故障综合选线方法

为了充分利用配电网单相接地故障时的故障信息,以提高选线装置的正确选线率,提出了一种综合选线判据的方法。该法将反映故障稳态分量的选线判据、暂态分量的选线判据和利用外加诊断信号的选线判据有机融合,以变电站母线所带出线为研究论域,各单一选线判据为条件属性,离散化的各故障特征量为条件属性值,形成故障信息表并对其进行论域缩减,最后利用决策规则形成决策表,从决策表的决策属性中找到综合选线结果。仿真验证了该综合选线的优越性。     

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。     

基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义。文中基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种电力变压器故障诊断的新方法。利用粗糙集信息表约简技术来实现对专家知识的简化与故障特征的压缩,获得最小诊断规则,基于最小诊断规则的贝叶斯网络模型可以有效降低网络结构的复杂性与故障特征获取的难度;同时利用贝叶斯网络实现概率推理,便于描述故障特征的变化及对变压器故障原因的快速分析。最后,进行了变压器故障实例分析,诊断结果证明该方法的正确性和有效性。     

基于模糊粗糙集数据挖掘的汽轮机组故障诊断研究

针对当前专家系统知识获取瓶颈的难题,提出了基于模糊粗糙集数据挖掘的汽轮机组故障诊断方法。模糊粗糙集理论把知识直接与真实或抽象世界有关的不同模式联系在一起,能有效分析处理不精确、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。将汽轮机组故障历史数据进行模糊化及离散化处理,构建故障诊断决策表,以决策表作为主要工具,即"知识库",采用模糊粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为汽轮机组提供有效的故障诊断。提出了基于模糊粗糙集的分类规则学习和约简算法,实现了基于模糊粗糙集数据挖掘的汽轮机组故障诊断系统,其诊断正确率达到了88%。实验表明该方法可行,对汽轮机组故障诊断系统的设计具有借鉴意义和深入研究的价值