基于贝叶斯网络的电力系统故障诊断方法

针对电力系统故障诊断中存在的信息不完备和不确定性问题,提出了基于贝叶斯网络的故障诊断方法。依据保护装置动作原理分别建立了完备和不完备信息下的分布式贝叶斯网络模型,用该模型进行故障诊断,验证了该方法的正确性和有效性。     

基于信息理论的电力系统在线故障诊断

该文引入信息理论来研究和处理电力系统故障过程中存在的不确定性，研究了电力系统故障中的信息运动过程，建立了故障诊断的信道模型；基于信息损失最小原理，提出了适用于大规模系统不确定性决策的故障诊断新方法，该方法将故障诊断问题转化为求取最小信息损失的组合优化问题。文中还研究了通过信息损失来计算故障诊断解空间的概率分布方法，并针对大规模系统给出了近似解空间概率分布的求解方法。应用该文方法进行电网故障诊断，能给出各种可能发生的故障组合以及每种故障组合发生的概率。算例表明，该方法的快速性能满足大规模电力系统在线故障诊断辅助决策的要求。     

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     

基于贝叶斯网络及信息时序属性的电力系统故障诊断方法

该文提出了基于贝叶斯网络的故障诊断方法，并拓展建立了蕴含时序属性的贝叶斯网络分布式处理模型。该方法具有以下特点：诊断模型清晰直观，易于发现数据间的因果关系；综合了先验信息和后验信息，适合不确定性和不完备信息下进行诊断决策；充分合理地利用了信息的时序属性，有效地提高了诊断结果的准确性。算例测试结果表明所提出的故障诊断模型正确、方法有效，且在实时故障诊断的应用上具有很好的潜力。     

一种基于粗糙集理论的电力系统故障诊断和警报处理新方法

尝试应用粗糙集理论来处理因保护装置和断路器误动作、信号传输误码而造成的错误不完整警报信号。提出的方法以决策表徐为主要工具,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,算例结果表明了该方法的有效性。     

考虑不确定性的基于解析模型与信息理论的电网故障诊断方法

对故障诊断中的不确定性因素进行深入分析,以解析模型为基础,用概率评价的方法考虑保护动作和断路器跳闸的可靠性,构建了既反映电网结构和功能又反映保护和断路器动作规则的概率矩阵。     

一种改进的电网故障诊断解析模型研究

针对保护或断路器出现拒动条件下,保护期望动作状态计算结果与实际动作逻辑间可能出现失配的原因进行了分析。通过计及主保护、近后备保护、远后备保护和断路器失灵保护间相互制约关系,给出了一种电网故障诊断模型解析规则的改进方法。仿真算例表明,所提方法能够提高故障诊断模型目标函数的计算精度,获得更加合理的故障诊断结果。     

计及警报信息时序特性的电网故障诊断解析模型

现有的故障诊断解析模型没有利用警报信息的时序特性,对于复杂的多重故障,诊断结果可能有2个甚至多个解,不够明确。文中通过提出动态关联路径的概念,构造了能够充分利用警报信息时序特性的电力系统故障诊断的一种新解析模型,能够合理地描述现代电力系统多种保护配置下保护和断路器的动作时序关系,对于复杂故障可以得到更为明确的诊断结果。最后用实际电力系统所发生过的故障对所提出的方法进行了说明。     

电网故障诊断的一种完全解析模型

现代大规模互联电网提高了电力系统运行的稳定性和经济性,同时也给电网的故障诊断增加了难度。对电网保护配置和断路器动作规则进行深入分析,提出一种新的电网故障诊断模型——完全解析模型,并为基于此模型的故障诊断提出一种实用有效的求解方法。在完全解析模型中,故障假说（即可疑故障设备的故障情况）与保护、断路器的动作情况及拒动和误动情况一同表示成逻辑变量,而保护配置和断路器动作规则以逻辑方程组形式进行充分表达,逻辑方程组的每个解析解对应一个故障模式（设备故障状态和保护动作、断路器跳闸状态及拒动/误动情况）,是对故障情形的完整解释。本模型对故障诊断规则和保护、断路器的动作逻辑进行完全解析,并完整保留了故障设备、保护动作和断路器跳闸之间的耦合关系,克服了已有解析模型的缺陷。算例表明,保留完整耦合关系的完全解析模型可有效提高故障诊断的准确性和容错能力。     

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。     

计及警报时序信息的电网故障诊断优化模型

现有的故障诊断解析模型没有充分利用警报信息的时序特性,诊断结果不够明确。对电网故障诊断优化模型中的故障假说进行扩展,用故障发生时间t代表元件的状态,故障发展过程中保护、断路器的状态均为故障发生时间t的函数,其状态值随着时间的发展而变化。此模型能够合理地描述现代电力系统多种保护配置下元件、保护、断路器连续的状态变化及保护和断路器的动作时序关系。最后用电力系统的故障实例对所提出的方法进行了说明。     

电网故障诊断完全解析模型的解集评价与最优解求取

电网故障过程中保护和断路器的动作及其动作告警存在不确定性,致使基于电网保护规则解析的故障诊断模型存在多解问题,如何快速有效地求取最优解是电网故障诊断解析模型实用化的关键。针对此问题,提出一种求取电网故障诊断解析模型最优解的方法,通过解析保护和断路器动作的不确定性和告警信号的不确定性,构建完全解析模型的解集评价指标,将故障诊断问题转换为求取完全解析模型最优解的数学规划问题,然后利用保护和断路器的拒动、误动概率以及告警信号的误报和漏报概率等先验知识,采用随机优化算法求取最优解,并从最优解导出诊断结论。故障诊断算例和实际故障案例的诊断验证了所提出的完全解析模型求解方法的有效性以及相应故障诊断方法的容错性和实用性。     

基于时序模糊Petri网的电力系统故障诊断

提出了基于时序模糊Petri网的电力系统故障诊断方法,重点分析了故障诊断模型的特点,给出了电网拓扑结构发生变化时模型的快速修正方法,充分合理地利用了保护和断路器动作信息的时序属性,提出了动作信息不完备情况下的纠错算法,可较好地完成继电保护的动作评价。以14节点系统为例验证该诊断方法的准确性和模型修正方法的快速性。与已有...     

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。     

含电气量信息的电力系统故障诊断解析模型

现有的电力系统故障诊断解析模型采用的信息源比较局限,信息冗余度不大,在复杂故障情况下难以得到明确的故障诊断结果。随着以相量测量单元(PMU)为基础的广域测量系统(WAMS)的发展,实时获取准确的系统电气量信息逐步成为可能。在此背景下,发展了能够利用电气量信息的电力系统故障诊断解析模型。首先,利用故障后的断路器状态与电气量快速确定故障区域;然后,对现有的解析模型作了进一步发展,以充分利用电气量信息,并对所发展的优化模型采用遗传算法求解。最后,用算例说明了所发展模型的可行性。仿真结果表明,所提出的方法具有较强的容错能力,可以处理保护和断路器误动/拒动情况以及警报丢失或错误情况。     

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。     

计及保护和断路器误动与拒动的电力系统故障诊断解析模型

当电力系统一次设备发生故障时,如果发生保护和/或断路器拒动或误动的情况,则会导致停电区域扩大,进而增加故障诊断的复杂性.现有的电力系统故障诊断解析模型是在保护和断路器正常动作的基础上建立的,没有系统地考虑其误动或拒动的情况.在此背景下,以现有的电力系统故障诊断解析模型为基础,通过系统地计及保护和断路器发生误动与拒动的可能性,发展了故障诊断问题的新的数学模型.该模型不仅能够诊断出故障设备,还可以识别出误动或拒动的保护和/或断路器以及漏报或误报的警报.开发了相应的实用软件系统,并用实际电力系统发生的故障案例进行了仿真测试.     

基于人工智能及信息融合的电力系统故障诊断方法

故障诊断软件作为调度中心综合智能告警模块的核心软件,其综合诊断性能的提高一直是电力工程界及学术界的热点问题之一。提出了基于信息融合思想的人工智能故障诊断新方法。该方法首先建立基于神经网络的信息融合故障诊断新模型,即利用神经网络对于信息所蕴含的特征提取能力,实现3种人工智能故障诊断方法权重的自动确定,以期获得更高的诊断精度;然后用测试样本对其进行测试,若精度满足要求则说明历史样本数量充足,则把训练好的神经网络直接用于对于新来的信息进行相应设备故障与否的诊断;否则,说明现有样本数量不足,使得基于神经网络实现信息融合的方法在该场景下不再适用,此时文中采用对于历史样本数量要求较少的基于自适应确定权重的信息融合策略,即基于故障诊断评价指标体系及客观权重法中的拉开档次法,自适应地确定3种人工智能故障诊断方法的权重,从而使得融合之后的故障诊断具有更高的诊断精度。不同样本下的算例均证明文中所提出的故障诊断新方法的综合故障诊断能力高于其他诊断方法。