一种基于粗糙集理论的燃气轮发电机组故障诊断新方法

燃气轮发电机组的故障诊断,实质上是一个模式分类问题。本文以振动特征频谱为依据,提出了一种基于粗糙集理论的燃气轮发电机组故障诊断新方法。该方法不但可直接从完备的故障特征频谱样本集中导出正确的诊断结论,而且还能从不完整的故障特征频谱样本集中导出满意的诊断结论,它揭示了故障特征频谱信息的冗余性。本方法为在不完整征兆信息下的燃气轮发电机组故障诊断提供了新的思路。实例诊断结果表明了该方法的有效性。     

基于覆盖集理论和Tabu搜索方法的电力系统警报处理

提出了基于覆盖集理论（ｓｅｔｃｏｖｅｒｉｎｇｔｈｅｏｒｙ）和Ｔａｂｕ搜索（Ｔａｂｕｓｅａｒｃｈ－ＴＳ）方法的电力系统警报处理的一种新方法，以覆盖集理论为基础，首先把电力系统警报处理问题表示为０－１整数规划问题，引入了一种新的评估指标，之后，提出用ＴＳ方法来求解这一问题，两个算例系统的计算结果证明，所发展的数学模型是正确的，提出的以ＴＳ为基础的方法比现有的遗传算法（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ－     

基于粗糙集理论的配电网故障诊断方法的研究

本文将粗糙集理论运用到配电网故障诊断中,将保护和断路器等信号作为对故障分类的条件属性集,以决策表为主要工具,通过属性约简和规则提取,实现了在信号缺失情况下配电网的故障诊断。通过算例表明,该方法能有效解决故障诊断中信号不完备的问题,提高配电网故障诊断的诊断性能和应用价值。     

基于粗糙集理论的配电网故障诊断方法的研究

本文将粗糙集理论运用到配电网故障诊断中,将保护和断路器等信号作为对故障分类的条件属性集,以决策表为主要工具,通过属性约简和规则提取,实现了在信号缺失情况下配电网的故障诊断.通过算例表明,该方法能有效解决故障诊断中信号不完备的问题,提高配电网故障诊断的诊断性能和应用价值.     

基于Multi-agents的智能变电站警报处理及故障诊断系统

针对传统变电站故障诊断的不足,在智能变电站架构的基础上,提出了基于multi-agents的智能变电站警报处理及故障诊断系统。根据智能变电站的体系结构、信息流和数据流特点,设计了警报处理、输变电设备诊断等主要功能模块,以此满足变电站事故分析各层次的功能需求。就警报处理和输变电设备故障诊断系统中各个agent及agent之间的协作机制等方面做了详细论述,实际变电站故障案例证明了该警报处理和输变电诊断模型的可行性和有效性。     

基于Multi-agents的智能变电站警报处理及故障诊断系统

针对传统变电站故障诊断的不足,在智能变电站架构的基础上,提出了基于multi-agents的智能变电站警报处理及故障诊断系统.根据智能变电站的体系结构、信息流和数据流特点,设计了警报处理、输变电设备诊断等主要功能模块,以此满足变电站事故分析各层次的功能需求.就警报处理和输变电设备故障诊断系统中各个agent及agent之间的协作机制等方面做了详细论述,实际变电站故障案例证明了该警报处理和输变电诊断模型的可行性和有效性.     

计及警报信息特性的故障诊断模型

电力系统发生故障时的警报信息具有时间特性,如果能够充分与合理地利用这一特性,可以提高故障诊断结果的准确性和加快诊断速度。但至今,还没一个电力系统故障诊断方法能够系统地处理报警信息的时间特性。以外展推理（ａｂｄｕｃｔｉｖｅ ｉｎｆｅｒｅｎｃｅ）和简洁覆盖集理论（ｐａｒｓｉｍｏｎｉｏｕｓ ｓｅｔ ｃｏｖｅｒｉｎｇ ｔｈｅｏｒｙ）为基础,对计及警报信息时间特性的电力系统故障问题做了一些初步的研究工作。采     

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。     

基于混合规则网络和警报时序特性的电力系统故障诊断

现有电力系统故障诊断方法大多基于保护和断路器状态信息,没有充分利用故障信息中的时序属性,对于多重故障或存在信息丢失或畸变等的复杂故障情况,有可能得不到明确的诊断结果,甚至可能得到错误的诊断结论。文中提出了一种基于混合规则网络的电力系统故障诊断方法。首先建立各元件的规则网络,生成故障假说最大集;之后,发展了计及警报信息时序特性的故障假说真实性评估模型,以确定故障元件和识别故障原因。这种方法可以充分利用事件顺序记录(SOE)设备中的开关量信息和故障录波中的模拟量信息,借助它们之间存在的因果关系和时序关系能够有效提高故障诊断的容错能力。最后,用实际系统发生过的故障场景说明了所发展故障诊断方法的可行性和有效性。     

基于粗糙集理论和神经网络模型的变电站故障诊断方法

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的变电站故障诊断方法.即利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行分层挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.变电站故障诊断实例表明了该方法能有效地缩小问题求解规模,且具有较强的抗干扰能力.     

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。     

基于小波神经网络的在线警报处理系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普通的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。故障诊断系统依据保护继电器和断路器的采样信息估计电力系统中故障段的位置。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。     

基于时间约束Petri网的电网警报处理及故障诊断

充分利用警报信息的时序属性和保护断路器动作的逻辑规则,提出了一种基于时间约束Petri网的电网警报处理及故障诊断方法。介绍了电力系统警报信息间的时序关系,以及常见警报差错信息的分类。提出了时间约束Petri网方法,引入时间约束通路的概念,直观地表达了警报信息之间的时序属性。提出了警报差错信息的识别算法,有效地识别警报信息中的误报、丢失以及时序不一致等情况。对不考虑时间约束与考虑时间约束两种情况下的故障诊断结果进行比较分析。结果表明所提出的警报处理方法,更加精确地描述了故障警报信息间的逻辑关系,使故障诊断结果更加准确。     

基于时序约束网络的电力系统在线警报处理解析模型

现有电力系统警报处理方法完全没有利用或没有充分利用警报的时序特性.在人工智能研究领域发展起来的时序约束网络是一种能够清晰而直观地表示时序逻辑的有向无环图,适于解决计及警报信息时序特性的警报处理问题.在此背景下,构建了充分利用时序信息的警报处理解析模型.该模型不仅能够分析导致警报产生的具体事件以及该事件所在的时间区间,而且可以识别异常或遗漏的警报.基于时序约束网络中时间点和时间距离约束等相关概念,研究了事件发生时间的不确定性问题,避免了现有的计及时序特性的模型必须对时间精确定义的缺点.最后,用实际电力系统的警报处理案例对所提出的模型和方法进行了说明.     

基于粗糙集理论的变压器故障诊断专家系统

在传统的变压器故障诊断专家系统的基础上,为解决专家系统较难获取完备知识的瓶颈问题,提出了一种基于粗糙集理论的故障诊断专家系统。该系统从历史故障数据所形成的决策表出发,运用粗糙集理论进行约简,构建专家系统知识库模型,通过计算诊断规则粗糙度,确定诊断规则的置信程度,利用推理机和故障事例库,实现对知识库的动态维护。     

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、神经网络和专家系统模型用于电力系统故障诊断

针对电力系统变电所故障诊断系统中含有大量不确定信息和实时性要求高的特点,以电力系统变电所开关保护信息为基础,基于智能互不融合的思想,将粗糙集、神经网络和专家系统有机结合在一起,提出一种电力系统变电所故障诊断的新方法。首先在数据采集和预处理的基础上,利用混合聚类法对原始故障诊断样本进行离散化处理,然后利用粗糙集理论对样本决策表进行属性约简,删除冗余信息,得到能够覆盖原始数据特征的具有最小条件属性的相应学习样本集。再运用径向基函数(RBF)神经网络对故障诊断知识进行模式识别,并结合专家系统,利用其推理判断能力,对RBF神经网络的某些输出结果进行必要的修正。最后通过故障诊断实例,说明了方法的有效性。     

基于粗糙集和小生境遗传算法的电网故障诊断规则提取

用粗糙集理论进行电网的故障诊断,关键是对知识表的约简.本文以粗糙集理论中的决策表为主要工具,首先将继电保护和断路器的动作信号作为对故障分类的条件属性集,故障区域作为对故障分类的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出诊断规则.算例结果说明了本算法的正确性和可行性.     

基于Petri网络计及警报信息时间特性故障诊断模型

电力系统发生故障时，警报信息具有时间特性，这一特性直接影响故障诊断结果的准确性和诊断速度，提出了一种计及报警信息时间特性故障树Petri网故障诊断模型和故障树表示方法，利用Petri网络描述了故障征兆与故障的关系，用故障树矩阵运算进行推理，比传统专家系统大大减少了诊断时间，提高了准确度，最后通过测试实例验证此故障诊断模型方法的快速，准确性。     

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。