基于三角模糊数的脉冲神经膜系统的故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于三角模糊数的脉冲神经膜系统的故障诊断方法及装置，包括：根据从SCADA系统得到的继电器动作信息和断路器的跳闸信息推导出停电区域中的可疑故障元件；分别对可疑故障元件建立基于三角模糊数的脉冲神经膜系统的故障诊断模型；利用模糊推理算法对故障诊断模型进行逆向模糊推理，计算各可疑故障元件的故障置信度；依照预定判断依据在故障置信度中筛选出目标故障置信度，并确定目标故障置信度对应的可疑故障元件为确定故障元件。由此可见，本方法结合继电器、断路器开关信息，结合模糊产生规则库、语言值和相关的三角模糊数实现对可疑故障元件的诊断，诊断准确高。

【技术实现步骤摘要】

本专利技术涉及电网调度与故障分析
，特别是涉及一种基于三角模糊数的脉冲神经膜系统的故障诊断方法及装置。
技术介绍
随着经济社会的逐步发展，电压等级的不断提高，用户对电能越来越依赖，因此，提高供电可靠性和改善供电电能质量也越来越重要。对于220kV及其以上的电压等级，传统的电流保护不再适用，而纵联差动保护能够快速切除高压网络故障，所以它得到了广泛的应用。但是在具体实施中，当故障发生时，为了减少故障带来的损失，需要快速、准确地检测出故障元件并且实现故障区域和非故障区域的隔离。但是在实际情况中，从SCADA系统采集的信息包含了不完整信息，错误信息，重复信息等，在这种情况下要准确地检测出故障元件也越来越困难。由此可见，如何根据SCADA系统采集的信息来确定故障元件是本领域技术人员亟待解决地问题。
技术实现思路
本专利技术的目的是提供一种基于三角模糊数的脉冲神经膜系统的故障诊断方法及装置，用于根据SCADA系统采集的信息来确定故障元件。为解决上述技术问题，本专利技术提供一种基于三角模糊数的脉冲神经膜系统的故障诊断方法，包括：S10：根据从SCADA系统得到的继电器动作信息和断路器的跳闸信息推导出停电区域中的可疑故障元件；S11：分别对所述可疑故障元件建立基于三角模糊数的脉冲神经膜系统的故障诊断模型；S12：利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的故障置信度；S13：依照预定判断依据在所述故障置信度中筛选出目标故障置信度，并确定所述目标故障置信度对应的可疑故障元件为确定故障元件。优选地，所述步骤S11具体包括：对所述可疑故障元件对应的所述动作信息和所述跳闸信息设定命题神经元和规则神经元；根据故障模糊产生式规则建立所述故障诊断模型；根据可疑元件的种类和保护类型分别建立相应的线路，母线，变压器故障模糊产生式规则集合，并作为相应的三角模糊数的脉冲神经膜系统的故障诊断模型建立的依据；获取电压等级220kV及其以上的元件和断路器主保护动作的故障置信度，并将所述故障置信度和输入的所述命题神经元对应；所述故障模糊产生式规则具体包括：类型1：IFp1ANDp2AND...ANDpk-1THENpk(CF＝β)；类型2：IFp1ORp2OR...ORpk-1THENpk(CF＝β)；其中，p1,p2,...,pk-1是规则神经元前件的k-1个命题神经元，而pk是规则神经元后件的命题神经元，β是一个实数且表示这个模糊产生式规则的置信因子CF。优选地，所述故障模糊产生式规则集合具体为：如果线路、母线、变压器主保护动作且对应的断路器全部或者部分跳闸，则线路、母线、变压器故障，规则置信度极高；如果线路、母线、变压器后备保护动作并且对应的断路器均跳闸，则线路、母线、变压器故障，规则置信度非常非常高。优选地，所述步骤S12具体包括：根据赋予初值的输入命题神经元，运用模糊推理算法得出所述故障诊断模型的输出命题神经元的值；其中，所述输出神经元的值为所述可疑故障元件的故障置信度。优选地，所述预定判断依据为：如果所述故障置信度α≥(0.65,0.75,0.875)，则该故障置信度为目标故障置信度，对应的可疑故障元件为确定故障元件；如果故障置信度α≤(0.25,0.375,0.5)，则该故障置信度为非目标故障置信度，对应的可疑故障元件为非故障元件。为解决上述技术问题，本专利技术提供一种基于三角模糊数的脉冲神经膜系统的故障诊断装置，包括：推导单元，用于根据从SCADA系统得到的继电器动作信息和断路器的跳闸信息推导出停电区域中的可疑故障元件；故障诊断模型建立单元，用于分别对所述可疑故障元件建立基于三角模糊数的脉冲神经膜系统的故障诊断模型；计算单元，用于利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的故障置信度；筛选单元，用于依照预定判断依据在所述故障置信度中筛选出目标故障置信度，并确定所述目标故障置信度对应的可疑故障元件为确定故障元件。优选地，所述故障诊断模型建立单元具体用于对所述可疑故障元件对应的所述动作信息和所述跳闸信息设定命题神经元和规则神经元；根据故障模糊产生式规则建立所述故障诊断模型；根据可疑元件的种类和保护类型分别建立相应的线路，母线，变压器故障模糊产生式规则集合，并作为相应的三角模糊数的脉冲神经膜系统的故障诊断模型建立的依据；获取电压等级220kV及其以上的元件和断路器主保护动作的故障置信度，并将所述故障置信度和输入的所述命题神经元对应；所述故障模糊产生式规则具体包括：类型1：IFp1ANDp2AND...ANDpk-1THENpk(CF＝β)；类型2：IFp1ORp2OR...ORpk-1THENpk(CF＝β)；其中，p1,p2,...,pk-1是规则神经元前件的k-1个命题神经元，而pk是规则神经元后件的命题神经元，β是一个实数且表示这个模糊产生式规则的置信因子CF。优选地，所述故障模糊产生式规则集合具体为：如果线路、母线、变压器主保护动作且对应的断路器全部或者部分跳闸，则线路、母线、变压器故障，规则置信度极高；如果线路、母线、变压器后备保护动作并且对应的断路器均跳闸，则线路、母线、变压器故障，规则置信度非常非常高。优选地，所述计算单元具体用于根据赋予初值的输入命题神经元，运用模糊推理算法得出所述故障诊断模型的输出命题神经元的值；其中，所述输出神经元的值为所述可疑故障元件的故障置信度。优选地，所述预定判断依据为：如果所述故障置信度α≥(0.65,0.75,0.875)，则该故障置信度为目标故障置信度，对应的可疑故障元件为确定故障元件；如果故障置信度α≤(0.25,0.375,0.5)，则该故障置信度为非目标故障置信度，对应的可疑故障元件为非故障元件。本专利技术所提供的基于三角模糊数的脉冲神经膜系统的故障诊断方法及装置，包括：根据从SCADA系统得到的继电器动作信息和断路器的跳闸信息推导出停电区域中的可疑故障元件；分别对所述可疑故障元件建立基于三角模糊数的脉冲神经膜系统的故障诊断模型；利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的故障置信度；依照预定判断依据在所述故障置信度中筛选出目标故障置信度，并确定所述目标故障置信度对应的可疑故障元件为确定故障元件。由此可见，本方法结合继电器、断路器开关信息，结合模糊产生规则库、语言值和相关的三角模糊数实现对可疑故障元件的诊断，诊断准确高；另外本方法根据纵联差动保护使得最终输出模糊真值表示该可疑故障元件的故障置信度，在一定程度上使诊断结果更加准确。从SCADA系统采集完整信息或者不完整信息(继电器和断路器拒动，误动，信息丢失)的情况下也能准确地诊断出确定故障元件，因此具有更好的容错能力。附图说明为了更清楚地说明本专利技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于三角模糊数的脉冲神经膜系统的故障诊断方法的流程图；图2为本专利技术实施例提供的一种电力系统环网示意图；图3为本专利技术实施例提供的一种线路L2387的基于三角模糊数的脉冲神经膜系统本文档来自技高网...

【技术保护点】
一种基于三角模糊数的脉冲神经膜系统的故障诊断方法，其特征在于，包括：S10：根据从SCADA系统得到的继电器动作信息和断路器的跳闸信息推导出停电区域中的可疑故障元件；S11：分别对所述可疑故障元件建立基于三角模糊数的脉冲神经膜系统的故障诊断模型；S12：利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的故障置信度；S13：依照预定判断依据在所述故障置信度中筛选出目标故障置信度，并确定所述目标故障置信度对应的可疑故障元件为确定故障元件。

【技术特征摘要】
1.一种基于三角模糊数的脉冲神经膜系统的故障诊断方法，其特征在于，包括：S10：根据从SCADA系统得到的继电器动作信息和断路器的跳闸信息推导出停电区域中的可疑故障元件；S11：分别对所述可疑故障元件建立基于三角模糊数的脉冲神经膜系统的故障诊断模型；S12：利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的故障置信度；S13：依照预定判断依据在所述故障置信度中筛选出目标故障置信度，并确定所述目标故障置信度对应的可疑故障元件为确定故障元件。2.根据权利要求1所述的方法，其特征在于，所述步骤S11具体包括：对所述可疑故障元件对应的所述动作信息和所述跳闸信息设定命题神经元和规则神经元；根据故障模糊产生式规则建立所述故障诊断模型；根据可疑元件的种类和保护类型分别建立相应的线路，母线，变压器故障模糊产生式规则集合，并作为相应的三角模糊数的脉冲神经膜系统的故障诊断模型建立的依据；获取电压等级220kV及其以上的元件和断路器主保护动作的故障置信度，并将所述故障置信度和输入的所述命题神经元对应；所述故障模糊产生式规则具体包括：类型1：IFp1ANDp2AND...ANDpk-1THENpk(CF＝β)；类型2：IFp1ORp2OR...ORpk-1THENpk(CF＝β)；其中，p1,p2,...,pk-1是规则神经元前件的k-1个命题神经元，而pk是规则神经元后件的命题神经元，β是一个实数且表示这个模糊产生式规则的置信因子CF。3.根据权利要求2所述的方法，其特征在于，所述故障模糊产生式规则集合具体为：如果线路、母线、变压器主保护动作且对应的断路器全部或者部分跳闸，则线路、母线、变压器故障，规则置信度极高；如果线路、母线、变压器后备保护动作并且对应的断路器均跳闸，则线路、母线、变压器故障，规则置信度非常非常高。4.根据权利要求2所述的方法，其特征在于，所述步骤S12具体包括：根据赋予初值的输入命题神经元，运用模糊推理算法得出所述故障诊断模型的输出命题神经元的值；其中，所述输出神经元的值为所述可疑故障元件的故障置信度。5.根据权利要求1所述的方法，其特征在于，所述预定判断依据为：如果所述故障置信度α≥(0.65,0.75,0.875)，则该故障置信度为目标故障置信度，对应的可疑故障元件为确定故障元件；如果故障置信度α≤(0.25,0.375,0.5)，则该故障置信度为非目标故障置信度，对应的可疑故障元件为非故障元件。6.一种基于三角模糊...

【专利技术属性】
技术研发人员：王军，陶成玉，孙章，彭宏，于文萍，
申请(专利权)人：西华大学，
类型：发明
国别省市：四川;51