《基于多种方法综合的智能电网故障诊断研究》由会员分享，可在线阅读，更多相关《基于多种方法综合的智能电网故障诊断研究（11页珍藏版）》请在金锄头文库上搜索。
1、智能故障诊断与容错控制报告书智能故障诊断与容错控制报告书题目： 基于多种方法综合的智能电网故障诊断研究 姓姓 名：名：学学 号：号：所在学院：所在学院：年级专业：年级专业：指导教师：指导教师： 完成时间：完成时间： 年年 月月 日日基于多种方法综合的智能电网故障诊断研究摘 要随着信息技术的发展、电力系统运行的日益复杂以及电力市场化改革的深入，传统电网需要与信息技术进行进一步融合。统一坚强的智能电网成为电网发展方向，概述各种智能故障诊断方法，分析人工智能在输配电网络故障诊断中的应用，最后提出几种智能方法综合的智能故障诊断系统。关键词：智能电网；故障诊断；综合目录1. 背景.1 2. 问题.1 3
2、. 目的.1 4. 意义.1 5. 分析.15.1 专家系统 .1 5.2 人工神经网络 .1 5.3 模糊理论 .2 5.4 遗传算法 .3 5.5 几种智能方法综合 .3 6. 结论.5 参考文献.711. 背景我国电力正处于一个高速发展的时期,电力系统的迅速发展、受端负荷的持续增长、跨区域联网规模的扩大、电力工业市场化改革以及生态环境的约束使电网结构和运行方式日趋复杂,使电网状态趋近其运行极限,系统运行的不稳定因素增多,种种情况导致因偶发故障引发大规模停电风险的概率增高。电网是国民经济发展的大动脉,一旦发生大面积停电,后果不堪设想。2003 年,美国、加拿大及欧洲先后发生的大面积停电事件
3、以及我国 2008 年雪灾中部分地区的电网事故,都造成了巨大的经济损失和社会影响。随着社会经济的发展,科学技术的进步以及人民生活水平的提高,人们对电力的需求和依赖性越来越大,对安全、优质供电的需求越来越强。2. 问题工业与人们的日常生活及社会经济活动联系密切，停电事故影响深远，必须快速进行故障恢复。电力系统故障恢复可分为故障诊断与故障恢复两个阶段。故障诊断是指基于SCADA信息对网络进行拓扑分析以确定故障位置和故障类型，这个过程需要很多逻辑判断；故障恢复过程要考虑大量的离散控制方法及制约因素，建立数学模型比较困难。3. 目的近年来，各种智能系统方法的应用在广度和深度方面都得到了发展，但依靠单一
4、智能技术的故障诊断，已难以满足复杂的输配电网络故障诊断的全部任务要求，由2种以上智能方法构成的混合系统在输配电网络故障诊断中的应用越来越广泛，将多种不同的智能技术结合起来的混合诊断系统，是智能化故障诊断研究的一个发展趋势。4. 意义目前，能够模拟人类决策过程的人工智能技术成为最早成功应用于故障恢复实现系统的重要方法。另外，分布技术及数学规划法的应用弥补了人工智能技术无法有效处理复杂大系统的缺陷。人工智能技术和数学规划法与分布技术有机结合的故障恢复实现方案将是未来的发展方向。15. 分析5.1 专家系统专家系统在输配电网络故障诊断中的典型应用是基于产生式规则的系统，即把保护、断路器的动作逻辑以及
5、运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断的结论。基于产生式规则的故障诊断专家系统得以广泛应用于输配电网络故障诊断中，主要是由故障诊断特点和基于产生式规则的专家系统的共同特点所决定的。1)输配电网络中保护的动作逻辑与断路器之间的关系易于用直观的、模块化的规则表示。2)专家系统允许增加、删除或修改一些规则，以确保诊断系统的实时性和有效性；能够在一定程度上解决不确定性问题；能够给出符合人类语言习惯的结论并具有相应的解释能力等。传统的方法是，故障时DFR自动启动，记录并存储相关数据之后，保护工程进行离线分析，评估保护系统的效果；而R
6、eliant专家系统可省掉上述过程，自动从DFR提取数据，分析并撰写报告，然后通过Fax或Email的形式发送给系统调度或相关人员。虽然专家系统能够有效地模拟专家完成故障诊断的过程，但是在实际应用中仍存在一定缺陷，其主要问题是知识获取的瓶颈问题、知识难以维护，以及不能有效地解决故障诊断中许多不确定因素，这些问题大大影响了故障诊断的准确性。5.2 人工神经网络运用神经网络对电力系统的输配电网络进行自适应保护和控制，虽网络的结构较为复杂，但为便于研究可以将大型输电网络分区，对各个区域分别建立基于BP算法“1的故障诊断网络，随后将这些分布神经网络的结果综合起来得出最终的故障诊断结论。例如，按功能分块
7、，用几个小网络组成一个大网络，各个小网络有不同的功能，如网络1用来判断故障类型以及故障的方向，网络2进行故障测距，网络3判别故障是永久的还是暂时的，网络1的输出触发网络2，网络2的输出又触发网络3，最后，由网络3输出进行重合或闭锁判断。2人工神经网络广泛用于暂态保护、故障判断及选线，快速而准确，且不受系统运行方式、故障类型、互感器饱和等因素的影响；用于无线通讯保护，能提取故障高频信号，取得较好的仿真效果；还用于雷电波，开关操作波及故障行波的辨识。应用ANN技术实现故障诊断不同于Es诊断方法。ANN方法通过现场大量的标准样本学习与训练，不断调整ANN中的连接权和阈值，使获取的知识分布隐含在整个网
8、络上，并实现ANN的模式记忆。因此，ANN具有强大的知识获取能力，并能有效地处理含噪声数据，弥补了ES方法的不足。神经网络方法虽然有利于克服专家系统的知识获取瓶颈、知识库维护困难等问题，但它不适于处理启发性知识。而且，由于ANN技术本身不够完备，它的学习速度慢，训练时间长以及解释功能弱，从而影响了神经网络的实用化。同时，如何设计适用于大型输电网络的ANN故障诊断系统，仍是一个有待于进一步研究的问题。通过对神经网络结构或算法的改进，在一定程度上可以提高故障诊断的有效性。另外，由于专家系统方法与神经网络方法在许多方面可以协调工作、互为补充，因此，如何取长补短将神经网络技术与故障诊断专家系统融为一体
9、，以弥补诊断中的不足，并提供新的诊断技术和方法，具有很大的潜力和广阔的前景。5.3 模糊理论在电力系统的输配电网络故障诊断中，故障与征兆之间的关系往往是模糊的，这种模糊性既来自于故障与征兆之间关系的不确定性，又来自故障与征兆在概念描述上的非精确性，因而诊断结果也必然是模糊的，解决模糊诊断问题的传统方法，一般是根据专家经验在故障征兆空间与故障原因空间之间建立模糊关系矩阵。常用的方法是将各条模糊推理规则产生的模糊关系矩阵进行组合，用与逻辑或并逻辑。随着模糊理论的发展及完善，模糊理论的一些优点逐步被重视，如模糊理论可适应不确定性问题；模糊知识库使用语言变量来表述专家的经验，更接近人的表达习惯；模糊理
10、论能够得到问题的多个可能的解决方案，并可以根据这些方案的模糊度的高低进行优先程度排序等。输电网络故障诊断的不确定因素对于要求严格匹配搜索的专家系统来说，很容易导致错误的结果，若在专家系统中融入模糊理论后，由精确推理变为近似推理，在相当程度上增强了专家系3统的容错性。实际应用方面，基于模糊集理论的多目标决策方法有BelmarIzaden的最大化法和模糊优先关系(fizz)r preference relation)法，都已经应用在电力系统负荷管理和变电站选址规划中。用模糊集方法构造变压器保护原理，以区别内部故障、选取变压器原、副边的电流为特征量，根据EMTP程序得到的仿真结果，采取统计方法得到模
11、糊规则，之后，采用Dempste卜sh如r证据理论对模糊规则进行处理，得到最终结果。还可以采用模糊方法寻求维持系统安全运行和充分利用输电容量之间的折中系统。安全方面主要考虑了电压稳定性，系统运行的一些不确定因素，如超负荷量、气象因素的影响及停运时间等，采用模糊集模拟。由于一般的模糊系统采用了与专家系统类似的结构，所以也具有专家系统的一些固有的缺陷：1)当系统比较大时完成诊断的速度也比较慢；2)当输电网络的结构或自动装置的配置发生变化时，模糊系统的知识库或相关规则的模糊度也要进行相应的修改，即模糊系统也存在维护的问题；3)模糊系统也不具备学习能力。总之，模糊理论与其他人工智能技术结合构成的诊断系
12、统虽然可以增强处理不确定性的能力，在一定程度上提高诊断的准确度，但也不能完全消除专家系统所固有的缺点。5.4 遗传算法遗传算法从优化的角度出发基本上可以解决输配电网络故障诊断问题，尤其是在复杂故障或存在保护、断路器误动作的情况下，能够给出全局最优或局部最优的多个可能的诊断结果。利用遗传算法还可以解决：1)输配电系统的损失最小化控制问题；2)解决发电规划、输电系统扩展规划；3)实现发电机励磁系统参数协调的确定；4)求解无功和电压控制问题。如何建立合理的输电网络故障诊断模型，是使用遗传算法的主要“瓶颈”。如果能够建立合理的数学模型，那么，不仅可以使用遗传算法解决故障诊断问题，还可以使用其他类似的启
13、发式优化算法解决故障诊断问题，如蚂蚁系统算法、TABu搜索算法等。从不同的交叉和变异算法的应用比较可以看出，不同的交叉和变异算子对结果的影响比较大，如何确定最优的交叉和变异算子及相应的参数，也有待进一步研究。5.5 几种智能方法综合4为了构造性能较好的应用智能系统，需要综合应用ES，ANN，GA和FT这几种技术，设计成集成型智能控制系统。集成的基本思路是：根据被求解问题的需要把系统分为若干个模块，每个模块分别用ES，ANN，GA和FT技术实现，在以某种方式集成来形成主体系统结构，也可采用串接、嵌入或变换模块的方法来取长补短，构造功能完善的应用系统。例如，人工神经网络与模糊理论可以用2种方式结合
14、：第1种方式是先模糊化神经网络的输入，进而得到的输出也是一个模糊数；第2种方式是根据神经网络的特点设计的，因为人工神经网络的输出本身就是一个介于01之间的集合体，所以可把神经网络的输出作为模糊系统的输入，用模糊系统去解释神经网络的输出，最终提供给运行人员一个语言化的结论，便于运行人员理解。这在一定程度上弥补了神经网络不具备解释能力的弱点。基于信息论、模糊逻辑、ANN与ES结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一，它被广泛用于发电机、变压器故障检测，具有建模方便，同时克服了神经网络收敛费时的缺点，明显改善了收敛性能。基于遗传算法的模糊神经网络智能控制是将模糊技术、神经网络和遗传算法互相交叉，有机地结合起来，将三者协调地用于一个系统中，取长补短，形成了一个新兴
