基于多种方法综合的智能电网故障诊断研究报告

《基于多种方法综合的智能电网故障诊断研究报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.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名：学号：所在学院：年级专业：指导教师：完成时间：年月日-..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12.问题13.目的14.意义15.分析15.1专家系统15.2人工神经网络15.3模糊理论25.4遗

2、传算法35.5几种智能方法综合36.结论5参考文献7-..1.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

3、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

4、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。-..5.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

5、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Reliant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E—mail的形

6、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，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

7、，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。-..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，