电网故障诊断的智能方法综述

综述了目前应用较为广泛的基于智能技术的电网故障诊断方法,包括专家系统、人工神经网络、贝叶斯网络、优化技术、支持向量机、模糊集理论、Petri网、信息融合技术和多智能体技术。简单介绍了这些智能方法的基本概念,在电网故障诊断领域的研究现状,并从实用化的角度阐释了各自的特点和存在的不足,以及各自未来的发展情况。最后从电网故障诊断领域当前所面临的重要问题出发,探讨了该领域今后的发展趋势。     

采用交叉熵支持向量机和模糊积分的电网故障诊断

为了解决分布式电网故障诊断中局部电网内部故障和相邻区域联络线故障的诊断问题,采用交叉熵支持向量机(cross entropy support vector machine,CE-SVM)的改进方法,提出一种基于后验概率输出的CE-SVM和模糊积分动态融合的大电网故障诊断策略。首先通过网络分区算法将电网分割成连通且计算负担平衡的子区域;采用历史数据离线训练各局部CE-SVM模块,根据故障报警信息选择性触发局部CE-SVM实现局部电网内部的故障诊断;利用模糊密度动态调节算法构建模糊积分环节,关联融合相连区域CE-SVM模块关于联络线故障的后验概率输出,实现联络线故障的综合决策。该方法不仅可以应对局部网络内部的故障诊断,也可以有效处理相邻区域间联络线的故障诊断问题。仿真结果看出:所得到的诊断结论正确,并且对于处理保护器和断路器报警信息丢失或不正确动作的情况具有较好的容错性。     

基于组合型交叉熵算法的多电源配电网故障定位

提出一种利用组合型交叉熵算法实现多电源配电网故障定位的方法。考虑多电源配电网故障电流与设备状态的关系,建立表征配电网故障定位问题的优化模型,利用组合型交叉熵算法求取模型最优解,并给出算法的具体实现步骤。仿真结果表明该文算法能够对多电源配电网中的单点及多点故障进行准确定位,在伴有部分信息畸变的情况下,仍能给出正确结果,具有准确性和容错性高等优点。