论文部分内容阅读
电网发生故障时,准确、实时的诊断出故障元件可以减少电能中断的时间以及增强供电的可靠性,这对电网的稳定运行意义重大。电网发生故障时,大量的报警和故障信息在短时间内涌入调度中心,大大超过了电网调度人员的处理能力,在发生复杂故障时,电网的故障诊断更加困难。本文正是基于此考虑,把信息融合理论引入到故障诊断领域,以解决复杂故障诊断问题。本文对电网故障诊断进行了新的探索和研究,针对目前存在的主要问题,研究了一种基于模糊积分信息融合技术的电网故障诊断方法。此方法结合基于潮流指纹的诊断方法和基于径向基函数(RBF)神经网络的诊断方法,然后利用模糊积分信息融合技术对此两种方法进行决策级的信息融合,得到电网中各支路故障度,最终实现电网故障诊断。本文的主要工作如下1)查阅资料,了解课题的研究背景以及国内外的发展现状和趋势。2)从生物学和信息论的角度论证了信息融合技术在故障诊断中的可行性和有效性；然后介绍了信息融合技术的主要融合算法,通过比较,并选用模糊积分法为本文信息融合算法；再结合故障诊断的特点,给出了信息融合故障诊断过程的一般框架。3)根据潮流指纹的故障诊断思想,研究了一种基于潮流分布特征的电网故障诊断方法。文中是基于MATLAB软件采用直流潮流法进行仿真计算生成预想故障集,即潮流指纹库,然后根据PMU量测获取实时地电网潮流分布情况,最后与潮流指纹库中的故障情况进行匹配计算,得到支路故障潮流指纹匹配度。4)介绍了人工神经网络以及RBF神经网络的优点,指出了常规神经网络诊断模型存在的致命问题,利用RBF神经网络基于PMU配置点的开关信息量对电网进行故障诊断,最终得到支路RBF神经网络故障可信度,并且通过仿真验证了其方法的可行性及不足。5)研究了基于信息融合故障诊断的方法,详细介绍了该方法的原理和具体实施步骤。将基于电气量得到的潮流指纹得到的故障诊断结果和基于开关量得到的RBF神经网络故障可信度作为初级诊断,在此基础上结合电网的拓扑信息,应用模糊积分信息融合技术进行综合诊断。通过仿真验证了此方法的可行性与优越性。