基于面向元件神经网络与模糊积分融合技术的电网故障智能诊断

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (513 KB)
输出: BibTeX | EndNote (RIS)

摘要该文提出了基于面向元件神经网络与模糊积分信息融合技术的电网故障诊断方法, 首先针对单个线路、母线、变压器设备分别建立面向元件的神经网络模型, 以面向元件神经网络作初步诊断, 在初级诊断的基础上, 结合电网拓扑关系, 应用模糊积分信息融合技术进行综合诊断。最后通过算例测试验证了其有效性。该方法克服了获取训练样本和适应拓扑变化的问题, 提高了诊断准确率, 对电网复杂故障有较好的诊断能力。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	郭创新
	游家训
	彭明伟
	唐跃中
	刘毅
	陈济

关键词 ：电力系统, 故障诊断, 面向元件神经网络, 综合诊断, 模糊积分, 信息融合

Abstract：This paper presents a novel diagnosis method combining element-oriented artificial neural networks and fuzzy integral fusion. The proposed method models the transmission line, bus and transformer using element-oriented ANNs. When a fault occurs, a primary diagnosis is made by element-oriented ANNs, and then the synthetic diagnosis fuses the primary diagnosis results employing fuzzy integral. The proposed method overcomes the Achilles heel of ANNs at getting training patterns and handling topology changes. And the simulation shows that by the use of synthetic diagnosis, the accuracy of diagnosis system is effectively improved. This method is promising for application in large scale real-time fault diagnosis.

Key words： Power systems fault diagnosis element-oriented artificial neural networks synthetic diagnosis fuzzy integral information fusion

收稿日期: 2008-08-04 出版日期: 2014-03-04

PACS:

TM734

基金资助:国家自然科学基金(50677062), 新世纪优秀人才支持计划(NCET-07-0745), 浙江省自然科学基金(R107062)和国家863计划(2008AA05Z210)资助项目

作者简介: 郭创新男, 1969年生, 教授, 博士生导师, 研究方向为智能电网和分布式能源并网、智能信息处理技术及其在电力系统中的应用。游家训男, 1983年生, 硕士研究生, 研究方向为电力系运行与控制。

引用本文:

郭创新, 游家训, 彭明伟, 唐跃中, 刘毅, 陈济. 基于面向元件神经网络与模糊积分融合技术的电网故障智能诊断[J]. 电工技术学报, 2010, 25(9): 183-190. Guo Chuangxin, You Jiaxun, Peng Mingwei, Tang Yuezhong, Liu Yi, Chen Ji. A Fault Intelligent Diagnosis Approach Based on Element-Oriented Artificial Neural Networks and Fuzzy Integral Fusion. Transactions of China Electrotechnical Society, 2010, 25(9): 183-190.

链接本文:

http://dgjsxb.ces-transaction.com/CN/Y2010/V25/I9/183

[1] 毕天姝, 倪以信, 吴复立, 等. 基于新型神经网络的电网故障诊断方法[J]. 中国电机工程学报, 2002, 22(2): 73-78.
[2] 刘应梅, 杨宛辉, 等. 基于ANN的变电站故障诊断系统及其容错性[J]. 继电器, 2000, 28(9): 19-22.
[3] 廖志伟, 叶青华, 王钢, 等. 基于GRNN的多故障自适应电力系统故障诊断[J]. 华南理工大学学报(自然科学版), 2005, 33(9): 6-9.
[4] 赵伟, 白晓民, 丁剑. 基于协同式专家系统及多智能体技术的电网故障诊断方法[J]. 中国电机工程学报, 2006, 26(20): 1-7.
[5] 毕天姝, 严正, 等. 基于径向基函数神经网络的在线分布式故障诊断系统[J]. 电网技术, 2001, 25(11): 27-32.
[6] 郭创新, 朱传柏, 曹一家, 等. 电力系统故障诊断的研究现状与发展趋势[J]. 电力系统自动化, 2006, 30(8): 102-107.
[7] 廖志伟, 孙雅明, 叶青华. 人工智能技术在电力系统故障诊断中应用[J]. 电力系统及其自动化学报, 2003, 15(6): 71-79.
[8] Cardoso G Jr, Rolim J G. Applications of neural- network modules to electric power system fault section estimation[J]. IEEE Transactions on Power Delivery, 2004, 19(3): 1034-1041.
[9] 顾雪平, 张文勤, 高曙, 等. 基于神经网络和元件关联分析的电网故障诊断[J]. 华北电力大学学报, 1999, 26(2): 12-17.
[10] 顾雪平, 张文勤, 高曙, 等. 人工神经网络和专家系统结合运用的电力系统故障诊断方法[J]. 华北电力大学学报, 1994, 21(2): 12-17.
[11] 李安华, 吴达. 模糊数学基础及其应用[M]. 乌鲁木齐: 新疆人民出版社, 1987.
[12] Sugeno M. Theory of fuzzy integrals and its applications[D]. Tokyo: Tokyo Institute of Tech- nology, 1974.
[13] Dymitr Ruta, Bogdan Gabrys. An overview of classifier fusion methods[J]. Computing and Information Systems, 2000, 7(1): 1-10.
[14] 李素文. 模糊积分在多分类融合中的应用[D]. 保定: 河北大学, 2006.
[15] 张德利, 郭彩梅, 吴从炘. 模糊积分论进展[J]. 模糊系统与数学, 2003, 17(4): 1-7.
[16] 张永, 李旭宏, 毛海军. 基于Choquet模糊积分的物流网络二阶段设计方法[J]. 公路交通科技, 2006, 23(10): 142-145, 158.
[17] 徐秉铮, 张百灵, 韦岗. 神经网络理论与应用[M].广州: 华南理工大学出版社, 1994.
[18] 何友, 王国宏, 彭应宇, 等. 多传感器信息融合及应用[M]. 北京: 电子工业出版社, 1999.
[19] Cardoso G Jr, Rolim J G. Interpretation of remote backup protection operation for fault section estimation by a fuzzy expert system[C]. IEEE Power Tech. Conference, Bologua, Italy, 2003: 23-26.
[20] Hong Chan Chin. Fault section diagnosis of power system using fuzzy logic[J]. IEEE Transactions on Power Delivery, 2003, 18(1): 245-250.
[21] Wen Fushuan, Chang C S. Probabilistic approach for fault-section estimation in power systems based upon a refined genetic algorithm[J]. IEE Proceedings of Generation, Transmission and Distribution, 1997, 144 (2): 160-168.