一种基于自适应优化脉冲神经膜系统的故障诊断方法技术方案

一种基于自适应优化脉冲神经膜系统的故障诊断方法，包括从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；根据获取的信息识别出停电区域并确定停电区域内的可疑故障元件；根据可疑故障元件与保护动作和断路器跳闸之间的逻辑关系，将故障诊断问题表示为0‑1整数规划问题；对原有的优化脉冲神经膜系统中的学习率进行改进，并且引入交叉和变异，得到自适应优化脉冲神经膜系统对目标函数进行求解后确定故障元件；建立人机交互式界面窗口，实时显示故障区域、故障元件以及保护和断路器的误动、拒动情况。本发明专利技术故障诊断的正确性高，不需要其他启发式优化算法的辅助，并能够极大的减少迭代次数，快速地寻找到最优值。

A Fault Diagnosis Method Based on Adaptive Optimized Pulsed Neural Membrane System

A fault diagnosis method based on adaptive optimization of pulse neuromembrane system is proposed, which includes acquiring the action information of relay protection device and the trip information of circuit breaker from the monitoring and data acquisition system of power grid; identifying the blackout area and determining the suspicious fault elements in the blackout area according to the obtained information; and between the suspicious fault elements and the protection action and the trip of circuit breaker. Logical relationship, the fault diagnosis problem is expressed as 0 1 integer programming problem; the learning rate of the original optimized impulse neuromembrane system is improved, and crossover and mutation are introduced to obtain the adaptive optimization impulse neuromembrane system to determine the fault elements after solving the objective function; the man-machine interactive interface window is established to display the fault area, fault elements and guarantee in real time. Misoperation and rejection of protective and circuit breaker. The fault diagnosis method of the invention has high accuracy, does not need the assistance of other heuristic optimization algorithms, and can greatly reduce the number of iterations and quickly find the optimal value.

【技术实现步骤摘要】
一种基于自适应优化脉冲神经膜系统的故障诊断方法
本专利技术涉及电网调度与故障分析
，特别是一种基于自适应优化脉冲神经膜系统的故障诊断方法(AOSNPS)。
技术介绍
随着经济的持续发展和科技的不断进步，推动着电力系统进入了以高电压，大机组，跨区域，交直流混合为特点的大电网时代，以适应现代社会和电能用户对电能质量和可靠性的更高要求。尽管现代电力系统不断采取各种方法和措施以保证电力系统安全稳定运行，但是近年以来出现各种停电事故的现象依然存在，这些事故造成了严重的社会影响和巨大的经济损失。在传统的电力系统故障诊断中，故障诊断工作由调度员根据监控系统采集的各种信息进行分析之后做出正确的故障判断，并及时的采取必要的措施进行故障处理，防止停电区域扩大化，以恢复和维持电力系统的安全稳定运行。然而，在现代电力系统当中，随着电网规模的扩大化，涌入调度中心的各种警报信息不仅数量多而且种类也越来越复杂，这使得调度人员在极短的时间内分析各种警报信息变得而来越困难。因此调度人员就不可能在短时间内采取措施切除故障元件来保证电力系统的安全与稳定运行。因此，在复杂故障情况下，准确地确定出具体的故障元件是本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的在于提供一种基于自适应优化脉冲神经膜系统的故障诊断方法，能够在复杂故障情况下，准确地确定出具体的故障元件。实现本专利技术目的的技术方案如下：一种基于自适应优化脉冲神经膜系统的故障诊断方法，包括以下步骤：S10:从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；S11:根据获取的信息识别出停电区域并确定停电区域内的可疑故障元件；S12:根据可疑故障元件与保护装置的动作信息和断路器的跳闸信息之间的逻辑关系，将电力系统的故障诊断问题表示为0-1整数规划问题，即目标函数；S13:对优化脉冲神经膜系统进行改进，得到自适应优化脉冲神经膜系统，包括S131：输入学习概率值将脉冲串Ts重新排列成规则概率矩阵PR，输入变异概率和初始迭代次数gen＝0；其中，1≤j≤m，m为规则概率矩阵PR的列数，矩阵中的每一行概率值来自同一个ESNPS，即扩展脉冲神经膜系统，用于表示优化问题的一个个体；S132：开始执行gen＝gen+1；S133：行指示器i赋初始值为1；S134：如果行指示器i大于其最大值H，则转至S1325；其中，H为规则概率矩阵PR的行数；S135：列指示器j赋初始值为1；S136：如果列指示器j大于其最大值m，则转至S1312；S137：产生一个随机数frand，如果随机数frand小于学习概率值则继续，否则，转至S1310；S138：在H个个体当中，选择不同于当前个体i的两个个体k1和k2，即k1≠k2≠i，如果个体k1和k2的适应度函数值f(Ck1)和f(Ck2)存在关系f(Ck1)＞f(Ck2)，则当前个体i向k1学习，即bj＝bk1，否则，当前个体i向k2学习，即bj＝bk2；其中，bj、bk1和bk2分别是中间变量、第k1个和第k2个个体的第j位二进制码；S139：如果bj＞0.5，则当前规则概率值为否则，当前规则概率值为S1310：如果搜索到最好解的第j位二进制码为则当前规则概率值为否则S1311：列指示器j增加1，转至S136继续；S1312：行指示器i增加1，转至S134继续；S1325:如果gen≤genmax则转至S132，否则继续；其中，genmax为最大迭代次数；S14：利用自适应优化脉冲神经膜系统对目标函数进行求解，依据求解得到的结果确定故障元件；所述自适应优化脉冲神经膜系统中，包括步骤S13调整后的规则概率矩阵。上述技术方案，对原有的优化脉冲神经膜系统进行了学习率改进。进一步地，引入交叉和变异的技术方案为：所述步骤S13:对优化脉冲神经膜系统进行改进，得到自适应优化脉冲神经膜系统，还包括步骤：S1313：计算当代全局最优值Gbestfit(gen)，当代样本多样性值DPaverage(gen)以及当代最好个体所对应的列标Rbestfit；S1314：如果Gbestfit(gen)＞Gbestfit(gen-1)，则使Pcm1＝0；如果Gbestfit(gen)＝Gbestfit(gen-1)，则使其中，其中，Pcm1和Gbestfit(gen-1)分别代表局部最优触发条件和前一代全局最优值；Nnimaxgen＞1且Nnimaxgen∈Ν，即取大于1的自然数；S1315：计算样本多样性比值其中，DPaverage(0)为初始样本多样性值；S1316:如果同时满足触发条件rand1(.)＜Pcm1和rand2(.)＞Pcm2，则继续，否则转至S1325；其中，rand1(.)和rand2(.)是取自0～1之间的随机数；S1317:令行指示器i＝1；S1318:判断i是否大于H，如果是则继续，如果不是则转至S1325继续；S1319:如果i≠Rbestfit，则继续，否则转至S1324继续；S1320:令列指示器j＝1；S1321:如果j小于m，则继续，否则转至S1324继续；S1322:如果随机自由量则当前规则概率值进行变异操作Pij(gen)＝rand4(.)，否则不进行变异操作；其中rand3(.)和rand4(.)是取自0～1之间的随机数；S1323:列指示器j增加1，转至S1321继续；S1324:行指示器i增加1，转至S1318继续；上述步骤位于S1312和S1325之间。进一步地，还包括：S15:建立人机交互式界面窗口，根据不同的故障情况实时显示故障区域、故障元件以及保护和断路器的误动、拒动情况；所述人机交互式界面包括三大界面，第一界面为开关量信息界面，其中包括母线主保护、变压器主保护、变压器近后备保护、变压器远后备保护、线路送端主保护、线路送端近后备保护、线路送端远后备保护、线路受端主保护、线路受端近后备保护、线路受端远后备保护动作信息以及断路器跳闸信息；第二界面为可疑故障元件界面，该界面包括与可以故障母线、变压器、线路相关的保护以及断路器动作状态信息；第三界面为故障元件界面，其中包括诊断出的故障元件、拒动以及误动的保护和断路器信息。本专利技术所提供的一种基于改进优化脉冲神经膜系统的故障诊断方法，包括从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；根据从监控与数据采集系统中获取的信息识别出停电区域并确定停电区域内的可疑故障元件；根据元件故障与保护动作和断路器跳闸之间的逻辑关系，将电力系统的故障诊断问题表示为0-1整数规划问题，即求取所建立目标函数的最值问题；对原有的优化脉冲神经膜系统中的学习率进行改进，并且在该算法中引入了交叉和变异思想，使得该算法的收敛性和多样性更好；利用改进优化脉冲神经膜系统对目标函数进行求解，依据求解得到的结果确定故障元件；建立了人机交互式界面窗口，可以根据不同的故障情况实时显示故障区域、故障元件以及保护和断路器的误动、拒动情况。因此，该方法能够通过求解根据保护动作和断路器跳闸之间的逻辑关系建立起来的目标函数，快速且准确的得到故障元件。由此可见，本专利技术所提供的方法具有如下优点：(1)故障诊断的正确性高。其目标函数是依据电力系统中各元件的主保护，近后备保护以及元后备保护之本文档来自技高网...

【技术保护点】
1.一种基于自适应优化脉冲神经膜系统的故障诊断方法，其特征在于，包括以下步骤：S10:从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；S11:根据获取的信息识别出停电区域并确定停电区域内的可疑故障元件；S12:根据可疑故障元件与保护装置的动作信息和断路器的跳闸信息之间的逻辑关系，将电力系统的故障诊断问题表示为0‑1整数规划问题，即目标函数；S13:对优化脉冲神经膜系统进行改进，得到自适应优化脉冲神经膜系统，包括S131：输入学习概率值

【技术特征摘要】
1.一种基于自适应优化脉冲神经膜系统的故障诊断方法，其特征在于，包括以下步骤：S10:从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；S11:根据获取的信息识别出停电区域并确定停电区域内的可疑故障元件；S12:根据可疑故障元件与保护装置的动作信息和断路器的跳闸信息之间的逻辑关系，将电力系统的故障诊断问题表示为0-1整数规划问题，即目标函数；S13:对优化脉冲神经膜系统进行改进，得到自适应优化脉冲神经膜系统，包括S131：输入学习概率值将脉冲串Ts重新排列成规则概率矩阵PR，输入变异概率和初始迭代次数gen＝0；其中，1≤j≤m，m为规则概率矩阵PR的列数，矩阵中的每一行概率值来自同一个ESNPS，即扩展脉冲神经膜系统，用于表示优化问题的一个个体；S132：开始执行gen＝gen+1；S133：行指示器i赋初始值为1；S134：如果行指示器i大于其最大值H，则转至S1325；其中，H为规则概率矩阵PR的行数；S135：列指示器j赋初始值为1；S136：如果列指示器j大于其最大值m，则转至S1312；S137：产生一个随机数frand，如果随机数frand小于学习概率值则继续，否则，转至S1310；S138：在H个个体当中，选择不同于当前个体i的两个个体k1和k2，即k1≠k2≠i，如果个体k1和k2的适应度函数值f(Ck1)和f(Ck2)存在关系f(Ck1)＞f(Ck2)，则当前个体i向k1学习，即bj＝bk1，否则，当前个体i向k2学习，即bj＝bk2；其中，bj、bk1和bk2分别是中间变量、第k1个和第k2个个体的第j位二进制码；S139：如果bj＞0.5，则当前规则概率值为否则，当前规则概率值为S1310：如果搜索到最好解的第j位二进制码为则当前规则概率值为否则S1311：列指示器j增加1，转至S136继续；S1312：行指示器i增加1，转至S134继续；S1325:如果gen≤genmax则转至S132，否则继续；其中，genmax为最大迭代次数；S14：利用自适应优化脉冲神经膜系统对目标函数进行求解，依据求解得到的结果确定故障元件；所述自适应优化脉冲神经膜系统中，包括步骤S13调整后的规则概率矩阵。2.如权利要求1所述的一种基于自适应优化脉冲神经膜系统的故障诊断方法，其特征在于，所述步骤S13:对优化脉冲神经膜系统进行改进，得到自适...

【专利技术属性】
技术研发人员：张葛祥，董建平，荣海娜，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51