【技术实现步骤摘要】
基于随机自调节脉冲神经P系统的电网故障诊断方法
本专利技术属于电网故障诊断方法，具体涉及一种致灾天气下基于随机自调节脉冲神经P系统(RandomSelf-regulationSpikingNeuralPSystem，RSSNPS)的电网故障诊断方法。
技术介绍
到目前为止，国内外众多学者对电力系统故障诊断方法开展了广泛地研究并取得了显著的成果。这些方法主要包括专家系统、优化技术、人工神经网络、petri网、粗糙集理论、贝叶斯理论、基于故障录波器信息等方法。其中基于优化技术的电力系统故障诊断方法具有严密的数学逻辑和较强的容错能力，利用优化算法可有效地实现对电网故障的准确诊断。天气因素与输电网的故障原因有着密不可分的关系，特别是在灾害天气这种极端环境条件之下，与天气有关的诸如雷击、台风等致灾因子更是输电网故障的主要原因。所以在实际的工程环境中，因为其他外界客观因素的干扰，故障警报信息的准确性将会被降低，保护装置也会做出异常反应。以优化技术对输电网做故障诊断，在面对输电网的故障诊断模型时，往往会面对高维数学模型，这将对算法的收敛效果，收敛速度提出较高的要求。因而面对具体问题时，若是算法遭遇收敛效果差、收敛速度慢的问题，那么对算法的改进必不可少。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的基于随机自调节脉冲神经P系统的电网故障诊断方法解决了现有电网故障诊断方法中没有考虑天气因素的影响，以致故障诊断结果不准确的问题。为了达到上述专利技术目的，本专利技术采用的技术方案为：...
【技术保护点】
1.基于随机自调节脉冲神经P系统的电网故障诊断方法，其特征在于，包括以下步骤：/nS1、读取SCADA数据；/nS2、基于读取的SCADA数据，确定待诊断电力系统中的停电区域；/nS3、基于确定的停电区域，建立对应的故障诊断目标函数；/nS4、基于SCADA数据，利用随机自调节脉冲神经P系统对建立的故障诊断目标函数进行寻优求解，获得最优解；/nS5、根据最优解的编码确定电网故障诊断结果。/n
【技术特征摘要】
1.基于随机自调节脉冲神经P系统的电网故障诊断方法，其特征在于，包括以下步骤：
S1、读取SCADA数据；
S2、基于读取的SCADA数据，确定待诊断电力系统中的停电区域；
S3、基于确定的停电区域，建立对应的故障诊断目标函数；
S4、基于SCADA数据，利用随机自调节脉冲神经P系统对建立的故障诊断目标函数进行寻优求解，获得最优解；
S5、根据最优解的编码确定电网故障诊断结果。
2.根据权利要求1所述的基于随机自调节脉冲神经P系统的电网故障诊断方法，其特征在于，所述步骤S2中确定停电区域的方法具体为：
基于SCADA数据，利用结线分析法对待诊断电力系统进行迭代搜索，并在迭代搜索过程中找出待诊断电力系统中的所有无源网络，即确定停电区域；
具体包括以下分步骤：
S21、设置搜索迭代次数C的初始值为1；
S22、基于SCADA数据，依次对待诊断电力系统中的每个元件进行编号，所有的元件编号构成QC；
S23、从元件编号集合QC中任意取一个元件编号放入元件编号子集合MC中；
S24、判断最新加入到元件编号子集合MC中的元件编号对应的元件是否存在与之相连的闭合断路器；
若是，则进入步骤S24；
若否，则进入步骤S25；
S24、将元件编号集合QC中与当前确定的闭合断路器连接所有元件对应的元件编号均加入到元件编号子集合MC中，返回步骤A3；
S25、使搜索迭代次数C增加1；
S26、从元件编号集合QC-1中移除元件编号子集合MC-1中的所有元件编号，得到新的元件编号集合QC；
S27、判断当前元件编号集合QC是否为空；
若是，则进入步骤S28；
若否，则返回步骤S23；
S28、列出元件编号子集合M1,...SC,...,MN中的所有无源网络，即确定停电区域；
其中，下标N为迭代搜索过程中所获得的元件编号子集合的个数。
3.根据权利要求1所述的基于随机自调节脉冲神经P系统的电网故障诊断方法，其特征在于，所述步骤S3具体为：
S31、根据停电区域的拓扑结构，建立由停电区域内的可疑故障元件、保护装置和断路器组成的故障假说H；
S32、基于故障假说，构建故障诊断目标函数。
4.根据权利要求3所述的基于随机自调节脉冲神经P系统的电网故障诊断方法，其特征在于，所述步骤S31中建立故障假说H的方法具体为：
设停电区域内包含nd个可疑故障元件、nr个保护装置和nc个断路器，则建立的故障假说的表达式为：
X＝[D、R、C]
式中，di为停电区域内第i个可疑元件的实际状态，当di为1时，对应可疑故障元件已故障，di为0时，对应可疑元件正常且未故障；
rj为停电区域内第j个保护装置的实际状态，当rj为1时，对应保护装置已动作，rj为0时，对应保护装置未动作；
ck为停电区域内第k个断路器的实际状态，当ck为1时，对应断路器已跳闸，ck为0，对应断路器未跳闸；
所述步骤S32中，故障诊断目标函数minE(X)的表达式为：
minE(X)＝δexEex(X)+γalEal(X)+TpEtl(X)
式中，δex为自调节期望信任因子，包括保护装置的自调节期望信任因子和断路器的自调节期望信任因子
γal为自调节警报信任因子，包括保护装置的自调节警报信任因子γral和断路器的自调节警报信任因子γcal；
Tp为自调节天气信任因子；
Eex(X)为反映保护装置、断路器的误动与拒动情况的函数，其计算公式为：
其中，为第j个保护装置对应的自调节期望信任因子，为第k个断路器对应的自调节期望信任因子，为第j个保护装置的期望状态，为第k个断路器的期望状态；
Eal(X)为反映保护装置、断路器的警报信息漏报与误报情况的函数，其计算公式为：
其中，为第j个保护装置对应的自调节警报信任因子，第k个断路器对应的自调节警报信任因子，为第j个保护装置的观测状态，为第k个断路器的观测状态；
Etl(X)为反映线路的故障概率与真实状态匹配情况的函数，其计算公式为：
其中，为第z条输电线，为对应线路的故障概率，为对应线路的自调节天气信任因子。
5.根据权利要求4所述的基于随机自调节脉冲神经P系统的电网故障诊断方法，其特征在于，所述自调节期望信任因子和自调节警报信任因子的计算方法包括以下分步骤：
A1、构建期望状态、真实状态及观测状态之间的逻辑状态组合及其对应的评价；
A2、基于构建的逻辑状态组合及其对应的评价，当保护装置动作不可靠或者保护警报信息不准确时，构建保护装置的期望状态和观测状态之间的逻辑关系：
同理，当断路器动作不可靠或警报信息不准确时，构建断路器的期望状态和观测状态之间的逻辑关系：
式中，αr为保护装置的不确定指标，当αr＝1时，保护装置动作不可靠或者保护警报信息不准确，当αr＝0时，保护装置动作可靠或者保护警报信息准确；αc为断路器的不确定指标，当αc＝1时，断路器动作不可靠或者断路器警报信息不准确，当αc＝0时，断路器动作可靠或者断路器保护警报信息准确；
A3、引入自检信息对不确定指标进行区分，得到保护装置的自检警报指标sr和断路器的自检警报指标sc；
其中，当保护装置发出自检警告时，sr＝1，否则sr＝0；当断路器发出自检警报时，sc＝1，否则sc＝0；
A4、将不确定指标与自检警报指标相结合，建立保护装置的自调节期望信任因子δrex和自调节警报信任因子δrex；
δrex＝1-μαr(1-sr)
γral＝1-αrsr
同理，得到断路器的自调节期望信任因子δcex和自调节警报信任因子γcal；
δcex＝1-μαc(1-sc)
γcal＝1-αcsc
式中，μ为期望调节系数；
所述自调节天气信任因子的计算方法包括以下分步骤：
B1、按照外部环境情况将线路故障风险划分成四个等级；
B2、利用三角隶属度函数将各等级的线路故障风险与各类灾害天气下各气象因素之间的模糊关系进行表达，建立灰色模糊判别矩阵和各气象因素权重矩阵并对线路故障风险进行综合评判，得到线路故障风险度
B3、将线路故障概率范围平均分为4个区间，并与各线路故障风险等级一一对应，取各个区间的中点作为线路故障风险度对应的故障概率Dp；
B4、根据SCADA中的警报信息，计算函数Etl(X)的选定指标tcp：
式中，和分别为线路首端和末端的主保护、一级后备保护和二级后备保护的警报信息连或的逻辑结果，和分别为线路首端和末端的断路器警报信息，β为警报信息最小系数；
B5、基于故障概率Dp和选定指标tcp，计算自调节天气信任因子Tp；
Tp＝2tcpDp。
6.根据权利要求4所述的基于随机自调节脉冲神经P系统的电网故障诊断方法，其特征在于，所述保护装置的期望状态包括主保护的动作期望、一级后备保护的动作期望、二级后备保护的动作期望和断路器失灵保护的动作期望；
对于主保护的动作期望：
设rkm为可疑故障元件di的主保护，若di发生故障，则rkm应响应，主保护rkm动作期望为：
对于一级后备保护的动作期望：
设rkp为可疑故障元件di的一级后备保护，若di发生故障且其主保护rkm拒动，则rkp应响应，此时一级后备保护rkp的动作期望为：
对于二级后备保护的动作期望：
设rks为可疑故障元件di的二级后备保护，当di故障时，其主保护和一级后备保...
【专利技术属性】
技术研发人员：王涛，刘力源，应瑞轩，陈孝天，周纯羽，
申请(专利权)人：西华大学，
类型：发明
国别省市：四川;51
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。