The invention relates to a fault intelligent diagnosis method based on multi algorithm fusion, which includes the following steps: (1) fault location based on Neural Network: neural network fault location process is divided into two parts, including network training process and fault location process; (2) the genetic algorithm, neural network and expert system are integrated to form fault diagnosis based on neural network and genetic algorithm Fault expert system; (3) through the integration of all kinds of alarm information to accurately analyze the fault outage area, release the fault outage information, and analyze the fault outage scope. The invention provides the site emergency repair personnel with the location of the fault point, reduces the scope of troubleshooting, shortens the time of line patrol, thus improving the efficiency of emergency repair and improving the level of intelligent fault diagnosis.
【技术实现步骤摘要】
一种基于多算法融合的故障智能诊断方法
本专利技术涉及一种基于多算法融合的故障智能诊断方法,将神经网络、灰色理论、模式识别、故障树分析等技术相结合,实现设备故障的智能诊断,提高故障智能诊断水平。
技术介绍
随着国民经济的发展和人民生活水平的不断提高,人们对供电可靠性和服务质量的要求越来越高。故障定位的准确、故障抢修的及时已然成为客户评价供电公司服务水平的标准。故障诊断是指在一定工作环境下查明导致系统某种功能失调的原因或性质,判断劣化状态发生的部位或部件,以及预测状态劣化的发展趋势等。由于电网设备日趋复杂化、智能化,传统的诊断技术已经不能适应了,随着人工智能技术的迅速发展,特别是神经网络、遗传算法、专家系统等技术在诊断领域中的进一步应用,诊断技术也日趋智能化。在中低压配电网中,单相接地故障约占配电网总故障的80%。当发生单相接地故障时,不能形成低阻抗的短路回路,故障电流远小于负荷电流,很难高效、准确地进行故障定位。保障配电网系统安全稳定地运行,快速找出故障线路以及确定故障位置,显得十分重要。目前大量的诊断方法被提出,部分方法已经实现现场应用,但效率和准确性仍需进一步提升。
技术实现思路
本专利技术采用多算法融合方法进行故障诊断和定位,同时分析出故障停电范围,为现场抢修人员提供故障点位置,减小故障排查范围,缩短巡线时间,从而提高抢修效率,提高故障智能诊断水平。本专利技术的技术方案:一种基于多算法融合的故障智能诊断方法,包括以下步骤:(1)基于神经网络的故障定位:神 ...
【技术保护点】
1.一种基于多算法融合的故障智能诊断方法,其特征在于,包括以下步骤:/n(1)基于神经网络的故障定位:神经网络故障定位流程分为两部分,包括网络训练过程和故障定位过程;提取特征量数据,构建好训练样本,然后进行网络训练,得到收敛的神经网络权值,将测试样本数据送入到已经训练好的神经网络中去,进行识别判断,从而得到定位的结果;/n(2)将遗传算法、神经网络和专家系统相融合,形成基于神经网络和遗传算法的故障诊断专家系统;/n(3)通过集成各类告警信息准确的分析出故障停电区域,进行故障停电信息发布,同时分析出故障停电范围。/n
【技术特征摘要】
1.一种基于多算法融合的故障智能诊断方法,其特征在于,包括以下步骤:
(1)基于神经网络的故障定位:神经网络故障定位流程分为两部分,包括网络训练过程和故障定位过程;提取特征量数据,构建好训练样本,然后进行网络训练,得到收敛的神经网络权值,将测试样本数据送入到已经训练好的神经网络中去,进行识别判断,从而得到定位的结果;
(2)将遗传算法、神经网络和专家系统相融合,形成基于神经网络和遗传算法的故障诊断专家系统;
(3)通过集成各类告警信息准确的分析出故障停电区域,进行故障停电信息发布,同时分析出故障停电范围。
2.根据权利要求1所述的一种基于多算法融合的故障智能诊断方法,其特征在于,所述步骤(1)中利用Matlab神经网络工具箱中newlvq函数构建一个神经网络。
3.根据权利要求2所述的一种基于多算法融合的故障智能诊断方法,其特征在于,故障特征量选择3个,分别为:小波能量Ei、有功功率Hi和五次谐波Pi;来表征系统某一故障时特征向量,记为向量X,则输入向量X=(Ei,Hi,Pi)。
4.根据权利要求3所述的一种基于多算法融合的故障智能诊断方法,其特征在于,神经网络算法包括以下步骤:
步骤1:初始化惩罚因子0<B≤1,学习速率0<a<1、参数C=1和竞争层神经元偏置其中初始化pk(1)=0,其中t←1,t为迭代次数,T为最大的迭代次数;t←1,a(i)表示样本序号;初始化所有权值向量,公式如式(1):
步骤2:随机生成的样本,其提交顺序序列为a(i),i=1,2,...,n,1≤a(i)≤n;
步骤3:查找和第a(i)个样本特征向量最近的神经元所对应的权值wj;
||x-wj||=min{||x-wk||-bk},k=1,2,...,N(2)
pk(t+1)←pk(t)+B(yk-pk(t))(4)
对第a(i)个样本向量的对应分类结果进行计算,若分类结果是正确的,则将获胜神经元的权值向量按照公式(6)更新,反之按公式(7)更改:
wk(t+1)←wK+a(x-wk(t))(6)
wk(t+1)←wK-a(x-wk(t))(7)
之后计算哪一条分类正确的神经元s和输入向量最接近,并更新其权值向量:
wt(t+1)←wt(t)+a(x-ws(t))(8)
步骤4:若i<N,则i←i+1,同时转向步骤3;否则转向步骤5;
步骤5:t←t+1,若t>T,结束;否则i←1,转向步骤2,进行下次训练;
公式中:惩罚因子B,学习速率a,参数C,竞争层神经元偏置b,迭代次数t,最大的迭代次数T,权值向量w,迭代因子p,输入向量x,输出样本a(i)。
5.根据权利要求1所述的...
【专利技术属性】
技术研发人员:郝翔宇,王文轩,王伟,张树亮,宋文乐,蒋曦,陈宇,王万福,
申请(专利权)人:国网河北省电力有限公司沧州供电分公司,国家电网公司,国网河北省电力有限公司,
类型:发明
国别省市:河北;13
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。