欢迎来到天天文库
浏览记录
ID:37410309
大小:1.69 MB
页数:61页
时间:2019-05-23
《基于混合因果网络的配电变电站故障诊断的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中文摘要随着配电变电站自动化水平的提高,一般都趋向于无人值班的方式。在配变中的SCADA系统将信息上传给配电管理中心。在发生故障时,由管理中心派操作员去对事故作出判断和处理,所以这种不在现场环境和时间拖延形成不利因素。配电变电站的智能诊断系统能够辅助运行人员,实现故障处理的快速恢复决策的形成,保证系统的安全性和恢复供电。为此研究在配变的监控系统中嵌入故障诊断模块,并将诊断结果上传管理中心是有重要意义和实用价值的。在变电站内基于局域网通信的监控系统能全方位的获得多种信息形式,如故障过程的SOE序列、断路器变位信息
2、序列、故障录波信息,故障警报信息等。在此基础上,本文提出了基于混合因果网的配电变电站故障诊断方法。利用不同形式信息之间的关联性进行冗余纠错和深层知识推理,以克服基于因果网对浅层知识的过分依赖性,来提高故障诊断的容错性能。运用混合因果网络和BP神经网络分别对馈线三相短路故障进行仿真,通过对比,突出体现混合因果网络在故障诊断容错性方面的优势。关键字:混合因果网络配电变电站故障诊断深层知识推理人工神经网络ABSTRACTWiththedevelopmentofautomationindistributionsubst
3、ation,it埘llneednotanyonetokeepwatch.SCADAsendsinformationtoDMC--DistribufionManagementCen仃e.Whcnfaultoccurs,operatomwillbesendtojudgeanddealwithitbyDMC.Sotheabsenceanddelaywillformdisadvantagefactors.Intelligentfaultdiagnosissystemcanassistantoperatorstofonq
4、flfastrecoverydecision-makingforfaults.toerlsurethesecurityofsystemandtorecoverthecurrentsupply.SoithasimportantmeaninganduseValuetoembedfaultdiagnosismoduleinmonitorsystemandtosenddiagnosisoutcometomanagementcentre.Localareacommunicationbasedindistributions
5、ubstationtheSCADAsystemcanobtaindiffcrentinformationfotins,astheSOEinformationsequenceinthefaultprocess,switchinginformationsequenceofcircuitbreakers.faultrecorderinformation,faultalarininformationetc.Accordingtoobtainableinformationthispaperpresentsthehybri
6、dC-E(CauseandE自fect、Netsbasedinuseforfaultdiagnosisofdistributionsubstations.Itisappliedthatassociativerelationbetweeftinformationtomaketheredundantcorrectingtechniqueanddeepknowledgereasoning.ItiseffectivethatovercomestheC-ENetSbasedtorelyoilexcessivelyshal
7、lowknowledgeandthatimprovesthefault—toleranceperformanceoffaultdiagnosis.HybridC-ENetsandBPNNareusedtoemulatethreephaseshert.circuit.Viacontrast,theadvantageofC.ENetsinthefault-toleranceperformanceoffaultdiagnosisisincarnatedprominently.Keywords:hybridC·E(Ca
8、useandEffect)Nets,deepknowledgereasoning,shallowknowledge,distributionsubstations,faultdiagnosis,artificialneuralnetwork独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰
此文档下载收益归作者所有