基于PSO-GRNN和D-S证据理论的电网分区故障诊断

针对大电网中保护和断路器误动、拒动、信息丢失等不确定的电网故障信息以及现有电网分区方法的不足，提出了基于粒子群优化广义回归神经网络（PSO-GRNN）和D-S证据理论的电网分区故障诊断方法。首先，通过改进图形分割法将大电网划分为相互重叠的不同区域，降低故障诊断难度。然后在各个区域建立PSOGRNN诊断模块，根据故障警报信息，并行完成各自的故障诊断任务。最后，采用D-S证据理论对相邻区域的重叠区域进行分析，以实现对重叠区域的综合故障诊断。仿真结果表明，该方法能有效识别非重叠区域和重叠区域的故障，容错能力强，诊断准确率高。