基于粗糙集与模糊神经网络的变压器故障诊断方法

将基于粗糙集理论的模糊神经网络，应用于变压器故障诊断中，充分利用粗糙集理论对知识的约简能力模糊神经网络优良的分类能力，首先利用粗糙集方法对原始数据进行约简，形成精简的规则集，以此基础构建的模糊神经网络结构完全是由粗糙集最终约简规则决定的，具有良好的拓扑结构，网络规模大大减少，学习速度大为提高，而且保持了网络较好的分类能力。     

断路器200kA通断能力试验对系统电压的影响

进行大容量通断能力试验会对电力系统产生一定的影响,为此通过程序仿真模拟断路器通断能力试验的工况,进行瞬时电压跌落及电网稳定的计算分析。     

基于改进SVM模型的电能质量扰动分类

提出一种改进的支持向量机模型,对电能质量扰动进行分类.支持向量机(SVM)在对大规模样本集的训练和分类时,需要占用大量内存,时耗过高,运算速度缓慢.针对这种情况提出一种改进的SVM模型:将原始训练样本集应用粗糙集理论(RS)去除冗余信息,然后在SVM中引入概率分布函数,用一个小规模的样本集训练得到一个初始的分类器,用这个初始分类器对大规模训练集进行修剪,修剪后得到一个规模很小的约减集,再用这个约减集进行训练得到最终的分类器.实验表明:这种改进的SVM模型有效降低了训练样本集的规模,提高了分类能力.     

高压直流输电工程阀控系统原理简介

文章主要介绍了葛洲坝换流站、龙泉和江陵换流站的阀控系统的硬件和软件结构,比较了两种不同的阀控系统和功能。     

一种基于粗糙集理论的电力变压器故障综合诊断方法

提出了一种基于粗糙集的理论对变压器故障性质和故障部位的综合诊断方法。它既充分利用了油中溶解气体的分析结果,又考虑了一些比较典型的影响因素,如某些电气试验结果和其它试验结果。由于利用了粗糙集理论的决策表约简技术,去除冗余信息,大大压缩了人工神经元网络(ANN)的训练样本,从而有效地提高了ANN的训练速度和诊断的准确率。     

应用SVC提高山东电网输送能力的研究

利用BPA分析程序针对山东电网潮流西电东送断面,研究应用静止无功补偿器提高西电东送断面的输送能力;并对不同的SVC安装地点进行分析比较,确定合适的安装地点。     

MACH2控制保护系统冗余性研究及其可用性分析

本文全面分析了换流站的控制保护系统的冗余性结构,并以三常直流所采用的MACH2系统为例,详细介绍了该系统控制保护的冗余结构及其冗余特性的具体实现,最后通过建立合理的控制保护设备故障数学模型,计算出了冗余系统的可靠性远远高于非冗余的控制保护系统。     

基于多种人工智能技术集成的电力变压器故障诊断

本文提出的算法综合了进化规划、模糊理论，人工神经网络，范例推理四种人工智能技术的优点，弥补了单种人工智能技术的缺陷，缩小了样本间的数据差异，优化了网络初始权值，大大提高了人工神经网络的收敛性，人工神经网络的拓扑结构及训练样本经过大量的计算进行筛选确定，并通过基于范例推理的专家系统检索出最佳源范例并给出诊断结论。诊断结果表明，本方法能较准确地判别电力变压器故障。     

基于模糊智能技术的变压器故障诊断系统

将采用模糊智能技术对变压器油中溶解气体分析所得数据作为原始数据，再进行分析推理和故障诊断，可解决传统三比值法准确度低造成的变压器故障误差和漏判问题。