【技术实现步骤摘要】
本专利技术涉及一种智能变电站故障诊断中的信息融合方法。
技术介绍
在电力系统中发生故障时,由于诊断对象的复杂性、测试手段的局限性、知识的不精确性,存在着大量的不确定因素。尤其是对于庞大的电力系统,各个元件之间的联系紧密复杂,其故障可能是多故障,关联故障等复杂形式。面对具有不确定性(包括不完整性)的信息,传统的变电站故障诊断大多是利用保护和断路器告警信息以及故障录波信息,对系统中的一次元件进行定位,在信息冗余度不够的情况下,容错性较低,诊断的精度和深度也不够。随着网络技术的发展,变电站朝着智能化的方向发展。相比于传统变电站二次系统采用硬接线,智能变电站一次系统采用智能装置(IED),二次系统网络化。其信息的集成应用使信息利用的有效性得到极大提高,网络化使二次系统的各个工作环节可以得到有效监视,可观性和可控性得到极大提高。为实现更加高效、全面、深入的变电站故障诊断和评估方法提供了机会和实现手段目前,在智能变电站故障诊断方面,神经网络,专家系统,Petri网等智能方法的应用非常广泛,虽然这些方法在一定程度上解决了故障时存在不确定因素对故障诊断的影响,具有一定的容错度,但是在出现较复杂的情况时仍然不能合理地给出诊断结果甚至造成误诊断,究其原因,一方面是系统发生故障时,故障情况的复杂性;另一方面是诊断所用信息源的单一性。因而仅从算法的角度去考虑,利用仅有的故障信息去完备化信息具有一定的局限性,已经不能从根本上提高诊断的可靠 ...
【技术保护点】
一种智能变电站故障诊断中的信息融合方法,其特征是:包括以下步骤:(1)根据电力系统中各个元件的保护配置,建立面向元件的贝叶斯网络故障诊断模型,将保护装置和断路器的可靠参数纳入基本输入,确定贝叶斯网络故障诊断模型各节点的之间的信任值;(2)根据二次网络告警信息定义可靠参数,根据智能变电站的配置信息,建立装置‑告警信息的关系矩阵;(3)利用误差反向传播算法进行贝叶斯网络故障诊断模型的网络参数的训练;(4)将故障时获得的故障告警信息作为已训练好的故障诊断模型网络的输入,计算目标节点的值,计算元件的故障概率值。
【技术特征摘要】
1.一种智能变电站故障诊断中的信息融合方法,其特征是:包括以下步骤:
(1)根据电力系统中各个元件的保护配置,建立面向元件的贝叶斯网络故障诊断模型,
将保护装置和断路器的可靠参数纳入基本输入,确定贝叶斯网络故障诊断模型各节点的之间
的信任值;
(2)根据二次网络告警信息定义可靠参数,根据智能变电站的配置信息,建立装置-
告警信息的关系矩阵;
(3)利用误差反向传播算法进行贝叶斯网络故障诊断模型的网络参数的训练;
(4)将故障时获得的故障告警信息作为已训练好的故障诊断模型网络的输入,计算目
标节点的值,计算元件的故障概率值。
2.如权利要求1所述的一种智能变电站故障诊断中的信息融合方法,其特征是:所述步
骤(1)中,具体方法包括:
(1-1)依据系统中各个元件的保护配置情况,以及元件故障、保护装置动作和断路
器跳闸之间的内在逻辑关系,建立由Noisy-or、Noisy-and节点组成的贝叶斯网络故障诊断
模型;
(1-2)对于每一个保护或者断路器输入节点,对应设置一个正确动作可靠度参数;
(1-3)以保护和断路器的动作信息以及各装置对应的可靠度参数信息作为贝叶斯网
络模型的基本输入;
(1-4)计算Noisy-or、Noisy-and节点取真时的信任值。
3.如权利要求2所述的一种智能变电站故障诊断中的信息融合方法,其特征是:所述步
骤(1-1)中,正确动作可靠度参数介于[0,1]之间,反应保护装置二次信息。
4.如权利要求2所述的一种智能变电站故障诊断中的信息融合方法,其特征是:所述步
骤(1-4)中,Noisy-or、Noisy-and节点取真时的信任值计算方法分别为:
B e l ( N j = T u r e ) = 1 - Π i ( 1 - c i j B e l ( N i = T u r e ) ) - - - ( 1 ) ]]> B e l ( N j = T u r e ) = Π i ( 1 - c i j ( 1 - B e l ( ...
【专利技术属性】
技术研发人员:王涛,韩冬,郭婷,林桂华,苏文博,王玉莹,崔梅英,徐英杰,王大鹏,王昕,张国辉,
申请(专利权)人:国网技术学院,国家电网公司,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。