CN103293421A - 一种电网故障诊断模型及其诊断方法 - Google Patents
一种电网故障诊断模型及其诊断方法 Download PDFInfo
- Publication number
- CN103293421A CN103293421A CN201310226231XA CN201310226231A CN103293421A CN 103293421 A CN103293421 A CN 103293421A CN 201310226231X A CN201310226231X A CN 201310226231XA CN 201310226231 A CN201310226231 A CN 201310226231A CN 103293421 A CN103293421 A CN 103293421A
- Authority
- CN
- China
- Prior art keywords
- protection
- information
- fault
- probability
- circletimes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种电网故障诊断模型及其诊断方法,属于电网故障诊断技术领域。传统故障诊断解析模型数学表达式可抽象为:RC=P(S,RC),将对保护/开关的动作状态解析转换成对保护/开关动作概率的描述。基于信息理论的信息传输不确定性的描述;目标函数建立为:优化求解;当存在多个最优解即多个故障模式时,计算每一个故障模式下信宿和信源之间的互信息;条件自信息量越小对应的故障模式最有可能发生。当多个条件自信息量相近时,利用信源和信宿互信息最大的原则确定故障的排序结果。本发明将故障诊断的不确定性融合在解析模型中能提高模型的容错性,大大降低了模型的维度,有很高的诊断速度与诊断精度,能很好应用到调度端,在电网故障诊断领域具有积极重要意义。
Description
技术领域
本发明涉及一种新的电网故障诊断模型及其诊断方法,尤其涉及对元件和保护、断路器之间动作逻辑关系的解析和动作过程中不确定性的描述;并利用信息论描述信息传递过程中的不确定性,利用条件自信息构造目标函数将故障诊断问题描述成为一个0-1整数规划的方法,属于电网故障诊断技术领域。
技术背景
目前电网故障诊断方法主要有专家系统方法、人工神经网络方法和基于解析模型的方法,另外还有基于Petri网、粗糙集理论和信息理论的新方法。由于故障诊断中存在一些不确定性因素,影响了目前故障诊断方法的实际应用效果。总的说来,故障诊断中存在的不确定性主要来自两个方面:1)保护动作和断路器跳闸的误动和拒动;2)告警信息的误报和漏报。因此,研究考虑不确定性的故障诊断方法,对提高故障诊断结果的准确性从而确保系统安全稳定运行具有重要意义。
基于解析模型的故障诊断方法是在对故障诊断规则进行解析化表达的基础上,将故障诊断问题转化成使目标函数最小化的0-1整数规划问题,然后采用优化技术求解,因而有着严密的数学基础和理论依据,具有很好的应用前景。遗传算法是由美国Michigan大学的J.Holland教授于1975年提出的、模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法,以其简单通用,强鲁棒性和隐含并行处理等优点在生物、计算机学科、制造生产、运筹学、电力系统等各学科都得到广泛应用。然而,传统模型一般忽略故障诊断的不确定性或机械地将把各种不确定性因素添加到待优化参数中,导致模型维数显著增大,增加了求解的时间和难度,在复杂故障情况下甚至出现自相矛盾的结果(如既拒动又误动)。
针对上述故障诊断解析模型存在的不足,本发明提出了一种电网故障诊断模型及其诊断方法,既完整的描述了不确定性问题,又具备很高诊断速度与精度。
发明内容
本发明所要解决的技术问题是如何实现描述故障诊断的不确定性,以及如何利用不确定性求解得到故障诊断结果。内容包括:考虑保护动作和断路器跳闸不确定性的解析规则描述,基于信息理论的信息传输不确定性的描述和目标函数的优化求解。
1.考虑保护动作和断路器跳闸不确定性的解析规则描述
(1)故障诊断解析模型
传统故障诊断的解析模型就是把故障过程中保护/断路器动作原理用逻辑方程组的形式进行表达,以求解故障模式。传统故障诊断的解析模型数学表达式可抽象地表示为式(1)的形式:
RC=P(S,RC) (1)
其中,S=[s1s2…sN],si=1或si=0分别表示可疑故障设备集中第i个元件处于故障状态或正常状态,N为可疑故障元件数量;
RC=[rc1rc2…rcZ,rcZ+1rcZ+2…rcZ+K],rci=1或rci=0分别表示相关保护/断路器集合中第i个保护/断路器动作/跳闸或未动作/未跳闸,Z为相关保护的数量,K为相关断路器的数量。
(2)考虑不确定性的解析规则描述
保护/断路器的状态分析如图1所示,图1保护/断路器状态分析图,每一种状态都有其发生的概率。下面对这些概率进行描述。
现构造一个概率矩阵PC表示设备故障引起相关保护和断路器可靠动作的相应概率:
PC=[pcj,i]N×(Z+K) (2)
式中N、Z和K的含义与式(1)中相同,pcj,i∈[01]代表第j个可疑故障元件发生故障引起第i个保护或断路器可靠动作的概率,取值为0时代表不引起可靠动作。PC矩阵不仅反映了电网的保护配置原则,而且反映了元件故障引起相应保护和断路器可靠动作的概率。
PC矩阵元素的确定方法如下:首先对保护/断路器的设计初衷即根据继电保护原理要求保护/断路器作出动作/跳闸响应的激励进行逻辑表达,在本文中被称为动作期望;然后再求取每一个动作期望发生的概率。顺便说明,在下文的逻辑运算中由于要引进可靠性,各个元素不再是简单的“0”或“1”,所以整数逻辑运算要改成模糊逻辑运算,模糊算子选用“最大与乘积”算子。⊕表示模糊逻辑或:a⊕b□a∨b=max(a,b),表示模糊逻辑与:表示普通实数乘法,-表示模糊逻辑非:(“□”表示规定)表示逻辑连⊕运算,“∏”表示逻辑连运算。
(a)主保护的动作期望值
如rci为元件sj的主保护,若sj故障,rci的动作期望值frj,i如下:
frj,i=1 (3)
(b)第一后备保护的动作期望值
设rci为元件sj的第一后备保护,设备sj的主保护是rck,若sj故障,rci的动作期望值frj,i如下:
(c)第二后备保护的动作期望值
设rci为设备sj的第二后备保护,在其保护范围内也为sj的邻近设备sk提供远后备保护,有两种情况rci应该动作:
1)sj故障(sj=1)且其主保护rcx和第一后备保护rcy未动;
2)设备sk故障,且rci到sk的关联路径上的所有断路器均处于闭合状态。rct是关联路径上的断路器,p(rci,sk)是指沿供电路径从保护rci安装处到设备sk处的所有断路器的集合。
为此,第二后备保护rci的动作期望值frj,i和frk,i分别为:
一般保护会作多个元件的第二后备保护,这里只是代表性的计算了其中一个元件,实际求取动作期望值时要分别计算。
(d)断路器的动作期望值
断路器实际上是由保护驱动的,frj,i含义为本地设备sj故障相应保护动作后驱动断路器rci跳闸的动作期望值。fra,i含义为邻近设备sa故障相应保护动作后驱动断路器rci跳闸的动作期望值。
rcx代表设备sj的主保护,rcy代表设备sj的第一后备保护,rcz代表设备sj的第二后备保护。rck为邻近设备sa提供远后备保护,Z(sa)代表为sa提供远后备保护的保护集。
设rei表示保护/断路器rci动作的可靠性概率,一般而言,断路器动作的可靠性高于保护动作的可靠性。主保护,第一后备保护和第二后备保护动作的可靠性依次下降。根据这些原则,本文给定断路器,主保护,第一后备保护和第二后备保护的动作可靠性依次为0.95,0.9,0.88和0.85。下面给出PC矩阵中元素的表达式:
pcj,i表示设备sj故障,保护/断路器rci可靠动作的概率。
再引入ps表示保护/断路器误动的概率,不同装置的ps值可以相等,也可以根据实际情况调整为不同的值,本文中设为统一值0.1%。
所以任一保护/断路器rci动作/跳闸的概率为:
任一保护/断路器rci不启动/跳闸的概率为:
从式(3)~(9)可以看出,p(rci=1)和p(rci=0)是S,RC的显式函数。即p(rci)∈(·)(S,RC),这里(·)(S,RC)={P|P(S,RC)=b,b∈(0,1)}。至此,我们将式(1)对于保护/开关的动作状态解析转换成对保护/开关动作概率的描述。
2.基于信息理论的信息传输不确定性的描述
在数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)中,变电站本地的保护、开关等动作信息是通过远动通道传送到调度中心的,这个过程是数据通信过程,信息传输的过程中最重要的环节为信源、信道和信宿。即信源提供信息,信道传送信息,信宿得到信息。故障处传往调度的相关保护和断路器的信息可视为信源,电网的远动通信设备相当于通信过程中的信道,调度中心实际收到的各类信息如SCADA报文即信宿。
(1)自信息量
自信息量的定义为:
I(rci)=-logp(rci) (12)
信源的自信息量是保护与开关的动作不确定性。将式(10)、(11)带入式(12)中就能计算。
(2)条件自信息量
条件自信息量的定义为:
rci为信源的状态,为信宿的状态。该公式可以理解为在调度侧收到故障相关信号后,故障处实际故障信号的不确定性剩余量。反映的是信号误报、漏报情况。该公式无法直接求解,需利用贝叶斯全概率公式(见公式(15))进行转换求解,故要先求取将其定义为信道传递概率。信道传递概率反映了信号误报、漏报的概率,及信号传输错误的概率。不妨设信道l中信号传输出现错误的概率为pz,那么该信道正确传送信息的概率为不同信道的pz可以相等,也可以根据实际情况调整为不同的值。本文中统一设为pz=0.005。
信道传递概率:
A代表保护与开关的状态集。分别为rci=0和rci=1。
(3)互信息量
互信息量的定义为:
3.目标函数的建立
条件自信息代表的是通信后信源剩余的不确定度。该不确定度是由保护/断路器动作的不确定概率(误动、拒动概率)以及告警信号的不确定概率(误报、漏报概率)决定的。每一个故障模式中,这些不确定概率可以理解为不确定性事件出现的几率。小概率不确定事件出现越少即条件自信息量越小则该故障模式实际发生的可能性就越大。基于条件自信息最小的决策原则,就是基于此原理来决策的。
以条件自信息量为优化函数,则目标函数为:
该目标函数完整的描述了故障诊断中各类不确定因素的情况,利用遗传算法对其进行优化求解。当存在多个最优解即多个故障模式时,计算每一个故障模式下信宿和信源之间的互信息。至此可以得出结论:条件自信息量越小对应的故障模式最有可能发生,当多个条件自信息量相近时,利用信源和信宿互信息最大的原则确定故障的排序结果。
本发明具有以下优点:将故障诊断的不确定性融合在解析模型中能提高模型的容错性,考虑条件自信息的目标函数大大降低了模型的维度,使本模型具有很高的诊断速度与诊断精度,能很好应用到调度端,给调度工作人员提供操作和决策的辅助,在电网故障诊断领域具有积极重要意义。
附图说明
图1保护/断路器状态分析图。
图2实施例系统结构示意图。其中,图中QF指断路器,A、B表示母线,L表示线路,T表示变压器,S、R分别表示线路的首、末端(从上到下,从左到右来定义线路首、末端),m表示主保护,p表示第一后备保护,s表示第二后备保护。
具体实施方式
下面结合附图和实施例进一步说明本发明。
一种电网故障诊断模型及其诊断方法,传统故障诊断解析模型数学表达式可抽象为:RC=P(S,RC);将对于保护/开关的动作状态解析转换成对保护/开关动作概率的描述。基于信息理论的信息传输不确定性的描述;目标函数建立为:优化求解;当存在多个最优解即多个故障模式时,计算每一个故障模式下信宿和信源之间的互信息;条件自信息量越小对应的故障模式最有可能发生。当多个条件自信息量相近时,利用信源和信宿互信息最大的原则确定故障的排序结果。本发明将故障诊断的不确定性融合在解析模型中能提高模型的容错性,考虑条件自信息的目标函数大大降低了模型的维度,使本模型具有很高的诊断速度与诊断精度,能很好应用到调度端,给调度工作人员提供操作和决策的辅助。
[实施例]
本发明提供一种电网故障诊断模型及其诊断方法。图2实施例系统结构示意图。其中,图中QF指断路器,A、B表示母线,L表示线路,T表示变压器,S、R分别表示线路的首、末端(从上到下,从左到右来定义线路首、末端),m表示主保护,p表示第一后备保护,s表示第二后备保护,如图2所示。基于图2所示测试系统的故障实施例对本发明进行验证,该系统共有28个元件,84个保护和40个断路器。
1、警报信号分析
变压器T3、母线B2同时发生故障,保护和断路器的动作过程如下:
变压器主保护T3m动作,跳开QF16,QF14;母线B2主保护B2m动作,跳QF4、QF6、QF8,断路器QF10拒动,线路保护L3Rs动作,QF27跳闸。
收到的告警信息:T3m、T3p、L3Rs、QF4、QF6、QF8、QF14、QF16、QF27。
由断路器警报信息经拓扑分析得出的可疑故障元件有:B2、L3、T3,对应于S=[s1,s2,s3];停电区域内相应的保护有:B2m、L3Sm、L3Rm、L3Sp、L3Rp、L3Ss、L3Rs、T3m、T3p、T3s;断路器有:QF4、QF6、QF8、QF10、QF14、QF16、QF27,对应于RC=[rc1,...,rc10,rc11,...rc17]。其中S和R分别表示线路的送端和受端,m、p和s分别表示主保护、第一后备保护和第二后备保护。
根据收到的告警信息,可以确定RC′=[rc1′,rc2′,...,rc17′]为:[0,0,0,0,0,0,1,1,1,0,1,1,1,0,1,1,1],以G=[S,RC]为参变量,根据式(17)将决策原则实例化,得到目标函数:
2、故障诊断求解
下面对目标函数的形成进行具体阐述:
首先求取动作期望值:
fr1,1=1;
fr2,2=1;
fr2,3=1;
fr3,8=1;
fr1,11=fr1,1;
fr1,12=fr1,1;
fr1,13=fr1,1;
fr1,14=fr1,1;
fr2,14=max{fr2,2;fr2,4;fr2,6};
fr3,15=max{fr3,8;fr3,9;fr3,10};
fr3,16=max{fr3,8;fr3,9;fr3,10};
fr2,17=max{fr2,3;fr2,5;fr2,7}
接着求取自信息量:
另外, 这里不再赘述。再求取条件自信息量:
对上述条件自信息量进行化简,考虑到分母针对于每一个条件自信息表达式都是一样的,所以将其在目标函数中约去。同时将故障告警信号代入表达式中,以p(rc1/1)为例,化简得到: 为了使目标函数更简化,将0.005约等于0,0.995近似于1,最终p(rc1/1)=s1。
同理,我们得出所有的条件自信息量:
p(rc6/0)=1
p(rc7/1)=s1
p(rc8/1)=s3
p(rc9/0)=1
p(rc10/0)=1
p(rc11/1)=s1
p(rc12/1)=s1
p(rc13/1)=s1
p(rc15/1)=s3
p(rc16/1)=s3
p(rc17/1)=s1
最终得到目标函数为:
采用遗传优化算法求解,设定种群大小PS=100;遗传运算终止进化代数mg=50;交叉概率PC(t)=0.9;变异概率Pm(t)=0.01。
采用遗传优化算法求解,得到最优解G*,其S*,RC*部分分别为:
[1,0,1];
[1,0,0,0,0,0,1,1,0,0,1,1,1,1,1,1,1];
此粒子的含义如下:
(1)母线B2、变压器T3同时发生故障;
(2)线路L3的第二后备保护L3Rs、变压器主保护T3m动作;
(3)断路器QF4、QF6、QF8、QF14、QF16、QF27跳闸;
(4)通过对比RC*与RC′,并结合拓扑分析可以得出保护B2m是告警信息漏报,而不是拒动,同理得出断路器QF10拒动。但是该模型没有办法区别误报与误动,所以T3p信号的情况无法判断。
从实施例的运行结果可以看出,本发明的模型和方法可以将故障诊断的不确定性融合在解析模型中能提高模型的容错性,考虑条件自信息的目标函数大大降低了模型的维度,使该模型具有很高的诊断速度与诊断精度,能很好应用到调度端,给调度工作人员提供操作和决策的辅助。本发明在电网故障诊断领域具有积极重要意义。
Claims (2)
1.一种电网故障诊断模型,其特征在于,该电网故障诊断模型为:
传统故障诊断的解析模型数学表达式可抽象地表示为式(1)的形式——
RC=P(S,RC) (1)
其中,S=[s1s2…sN],si=1或si=0分别表示可疑故障设备集中第i个元件处于故障状态或正常状态,N为可疑故障元件数量;
RC=[rc1rc2…rcZ,rcZ+1rcZ+2…rcZ+K],rci=1或rci=0分别表示相关保护/断路器集合中第i个保护/断路器动作/跳闸或未动作/未跳闸,Z为相关保护的数量,K为相关断路器的数量;
构造一个概率矩阵PC表示设备故障引起相关保护和断路器可靠动作的相应概率:
PC=[pcj,i]N×(Z+K) (2)
式中,N、Z和K的含义与式(1)中相同,pcj,i∈[01]代表第j个可疑故障元件发生故障引起第i个保护或断路器可靠动作的概率,取值为0时代表不引起可靠动作;PC矩阵不仅反映了电网的保护配置原则,而且反映了元件故障引起相应保护和断路器可靠动作的概率;
PC矩阵元素的确定方法如下:首先对保护/断路器的设计初衷即根据继电保护原理要求保护/断路器作出动作/跳闸响应的激励进行逻辑表达,这里被称为动作期望;然后再求取每一个动作期望发生的概率;整数逻辑运算为模糊逻辑运算,模糊算子选用“最大与乘积”算子;⊕表示模糊逻辑或:a⊕b□a∨b=max(a,b),表示模糊逻辑与:表示普通实数乘法,-表示模糊逻辑非:(“□”表示规定)表示逻辑连⊕运算,“∏”表示逻辑连运算;
(a)主保护的动作期望值
如rci为元件sj的主保护,若sj故障,rci的动作期望值frj,i如下:
frj,i=1 (3)
(b)第一后备保护的动作期望值
设rci为元件sj的第一后备保护,设备sj的主保护是rck,若sj故障,rci的动作期望值frj,i如下:
(c)第二后备保护的动作期望值
设rci为设备sj的第二后备保护,在其保护范围内也为sj的邻近设备sk提供远后备保护,有两种情况rci应该动作:
1)sj故障(sj=1)且其主保护rcx和第一后备保护rcy未动;
2)设备sk故障,且rci到sk的关联路径上的所有断路器均处于闭合状态;rct是关联路径上的断路器,p(rci,sk)是指沿供电路径从保护rci安装处到设备sk处的所有断路器的集合;
为此,第二后备保护rci的动作期望值frj,i和frk,i分别为:
一般保护会作多个元件的第二后备保护,这里只是代表性的计算了其中一个元件,实际求取动作期望值时要分别计算;
(d)断路器的动作期望值
断路器实际上是由保护驱动的,frj,i含义为本地设备sj故障相应保护动作后驱动断路器rci跳闸的动作期望值;fra,i含义为邻近设备sa故障相应保护动作后驱动断路器rci跳闸的动作期望值;
rcx代表设备sj的主保护,rcy代表设备sj的第一后备保护,rcz代表设备sj的第二后备保护;rck为邻近设备sa提供远后备保护,Z(sa)代表为sa提供远后备保护的保护集;
设rei表示保护/断路器rci动作的可靠性概率;
PC矩阵中元素的表达式:
pcj,i表示设备sj故障,保护/断路器rci可靠动作的概率;
再引入ps表示保护/断路器误动的概率,不同装置的ps值可以相等,也可以根据实际情况调整为不同的值;
所以任一保护/断路器rci动作/跳闸的概率为:
任一保护/断路器rci不启动/跳闸的概率为:
从式(3)~(9)可以看出,p(rci=1)和p(rci=0)是S,RC的显式函数;即p(rci)∈(·)(S,RC),这里(·)(S,RC)={P|P(S,RC)=b,b∈(0,1)};
于是,至此,我们将式(1)对于保护/开关的动作状态解析转换成对保护/开关动作概率的描述。
2.根据权利要求1所述模型的一种电网故障诊断方法,其特征在于,该诊断方法步骤为:
1)基于信息理论的信息传输不确定性的描述
在数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)中,变电站本地的保护、开关等动作信息是通过远动通道传送到调度中心的,这个过程是数据通信过程,信息传输的过程中最重要的环节为信源、信道和信宿;即信源提供信息,信道传送信息,信宿得到信息;故障处传往调度的相关保护和断路器的信息可视为信源,电网的远动通信设备相当于通信过程中的信道,调度中心实际收到的各类信息即信宿;
(1)自信息量
自信息量的定义为:
I(rci)=-logp(rci) (12)
信源的自信息量是保护与开关的动作不确定性;将式(10)、(11)带入式(12)中就能计算;
(2)条件自信息量
条件自信息量的定义为:
rci为信源的状态,为信宿的状态;该公式可以理解为在调度侧收到故障相关信号后,故障处实际故障信号的不确定性剩余量;反映的是信号误报、漏报情况;该公式无法直接求解,需利用贝叶斯全概率公式(见公式(15))进行转换求解,故要先求取将其定义为信道传递概率;信道传递概率反映了信号误报、漏报的概率,及信号传输错误的概率;不妨设信道l中信号传输出现错误的概率为pz,那么该信道正确传送信息的概率为不同信道的pz可以相等,也可以根据实际情况调整为不同的值;
信道传递概率:
A代表保护与开关的状态集;分别为rci=0和rci=1;
(3)互信息量
互信息量的定义为:
2)目标函数的建立
条件自信息代表的是通信后信源剩余的不确定度;该不确定度是由保护/断路器动作的不确定概率(误动、拒动概率)以及告警信号的不确定概率(误报、漏报概率)决定的;每一个故障模式中,这些不确定概率可以理解为不确定性事件出现的几率;小概率不确定事件出现越少即条件自信息量越小则该故障模式实际发生的可能性就越大;基于条件自信息最小的决策原则,就是基于此原理来决策的;
以条件自信息量为优化函数,则目标函数为:
该目标函数完整的描述了故障诊断中各类不确定因素的情况,利用遗传优化算法对其进行优化求解;当存在多个最优解即多个故障模式时,计算每一个故障模式下信宿和信源之间的互信息;
3)条件自信息量越小对应的故障模式最有可能发生;当多个条件自信息量相近时,利用信源和信宿互信息最大的原则确定故障的排序结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310226231XA CN103293421A (zh) | 2013-06-07 | 2013-06-07 | 一种电网故障诊断模型及其诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310226231XA CN103293421A (zh) | 2013-06-07 | 2013-06-07 | 一种电网故障诊断模型及其诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103293421A true CN103293421A (zh) | 2013-09-11 |
Family
ID=49094631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310226231XA Pending CN103293421A (zh) | 2013-06-07 | 2013-06-07 | 一种电网故障诊断模型及其诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103293421A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472360A (zh) * | 2013-09-12 | 2013-12-25 | 深圳供电局有限公司 | 一种电网继电保护隐性故障远程监测定位装置 |
CN104459378A (zh) * | 2014-11-19 | 2015-03-25 | 云南电网公司电力科学研究院 | 一种智能变电站故障诊断方法 |
CN105116246A (zh) * | 2015-07-27 | 2015-12-02 | 云南电力调度控制中心 | 一种电网运行保护实时在线分析方法 |
CN105277818A (zh) * | 2014-07-25 | 2016-01-27 | 武汉理工大学 | 一种基于论辩逻辑的电厂设备故障诊断方法 |
CN105606931A (zh) * | 2015-12-30 | 2016-05-25 | 国网天津市电力公司 | 一种基于量子遗传算法的中压配电网故障诊断方法 |
CN105930608A (zh) * | 2016-05-04 | 2016-09-07 | 上海交通大学 | 计及信息不确定性的改进隐性故障检测方法 |
CN106597845A (zh) * | 2016-11-09 | 2017-04-26 | 同济大学 | 一种基于多目标优化的输电网故障诊断方法 |
CN107621594A (zh) * | 2017-11-13 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种基于故障录波数据与贝叶斯网络的电网故障诊断方法 |
CN107957522A (zh) * | 2017-11-09 | 2018-04-24 | 广东电网有限责任公司东莞供电局 | 一种基于全站录波文件的保护设备健康状态诊断方法 |
CN108132414A (zh) * | 2017-11-07 | 2018-06-08 | 盐城博鸣信息科技有限公司 | 一种基于遗传算法的电力系统故障诊断方法 |
CN109324268A (zh) * | 2018-12-14 | 2019-02-12 | 国网山东省电力公司电力科学研究院 | 基于贝叶斯推理的配电网早期故障检测方法及装置 |
CN111044850A (zh) * | 2020-01-14 | 2020-04-21 | 广东电网有限责任公司 | 一种基于设备故障概率的电网故障诊断方法 |
US11088568B2 (en) | 2018-07-16 | 2021-08-10 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
US11108268B2 (en) * | 2018-07-16 | 2021-08-31 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
CN113419168A (zh) * | 2021-08-24 | 2021-09-21 | 中国南方电网有限责任公司超高压输电公司广州局 | 直流系统中断路器暂态特性分析方法及装置 |
CN113807461A (zh) * | 2021-09-27 | 2021-12-17 | 国网四川省电力公司电力科学研究院 | 基于贝叶斯网络的变压器故障诊断方法 |
US11545852B1 (en) | 2018-07-16 | 2023-01-03 | Cable Television Laboratories, Inc. | System and method for remote monitoring |
US12034299B1 (en) | 2018-07-16 | 2024-07-09 | Cable Television Laboratories, Inc. | System and method for remote monitoring |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090048767A (ko) * | 2007-11-12 | 2009-05-15 | 숭실대학교산학협력단 | 정규화된 상호정보량 기반의 자질선정을 이용한 효율적인다중 노드순서에 대한 베이지안모델평균화를 통한베이지안망 분류기의 성능향상방법 및 이를 구현하기 위한프로그램을 저장한 기록매체. |
CN101661070A (zh) * | 2009-09-25 | 2010-03-03 | 华北电力大学 | 信息论与专家系统相结合进行电力系统故障诊断的方法 |
-
2013
- 2013-06-07 CN CN201310226231XA patent/CN103293421A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090048767A (ko) * | 2007-11-12 | 2009-05-15 | 숭실대학교산학협력단 | 정규화된 상호정보량 기반의 자질선정을 이용한 효율적인다중 노드순서에 대한 베이지안모델평균화를 통한베이지안망 분류기의 성능향상방법 및 이를 구현하기 위한프로그램을 저장한 기록매체. |
CN101661070A (zh) * | 2009-09-25 | 2010-03-03 | 华北电力大学 | 信息论与专家系统相结合进行电力系统故障诊断的方法 |
Non-Patent Citations (2)
Title |
---|
易妍等: "考虑不确定性的基于解析模型与信息理论的电网故障诊断方法", 《华东电力》 * |
汤磊等: "基于信息理论的电力系统在线故障诊断", 《中国电机工程学报》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472360B (zh) * | 2013-09-12 | 2016-05-25 | 深圳供电局有限公司 | 一种电网继电保护隐性故障远程监测定位装置 |
CN103472360A (zh) * | 2013-09-12 | 2013-12-25 | 深圳供电局有限公司 | 一种电网继电保护隐性故障远程监测定位装置 |
CN105277818A (zh) * | 2014-07-25 | 2016-01-27 | 武汉理工大学 | 一种基于论辩逻辑的电厂设备故障诊断方法 |
CN105277818B (zh) * | 2014-07-25 | 2018-08-07 | 武汉理工大学 | 一种基于论辩逻辑的电厂设备故障诊断方法 |
CN104459378B (zh) * | 2014-11-19 | 2017-07-28 | 云南电网公司电力科学研究院 | 一种智能变电站故障诊断方法 |
CN104459378A (zh) * | 2014-11-19 | 2015-03-25 | 云南电网公司电力科学研究院 | 一种智能变电站故障诊断方法 |
CN105116246A (zh) * | 2015-07-27 | 2015-12-02 | 云南电力调度控制中心 | 一种电网运行保护实时在线分析方法 |
CN105606931A (zh) * | 2015-12-30 | 2016-05-25 | 国网天津市电力公司 | 一种基于量子遗传算法的中压配电网故障诊断方法 |
CN105930608A (zh) * | 2016-05-04 | 2016-09-07 | 上海交通大学 | 计及信息不确定性的改进隐性故障检测方法 |
CN105930608B (zh) * | 2016-05-04 | 2019-09-24 | 上海交通大学 | 计及信息不确定性的改进隐性故障检测方法 |
CN106597845A (zh) * | 2016-11-09 | 2017-04-26 | 同济大学 | 一种基于多目标优化的输电网故障诊断方法 |
CN106597845B (zh) * | 2016-11-09 | 2019-04-16 | 同济大学 | 一种基于多目标优化的输电网故障诊断方法 |
CN108132414A (zh) * | 2017-11-07 | 2018-06-08 | 盐城博鸣信息科技有限公司 | 一种基于遗传算法的电力系统故障诊断方法 |
CN107957522B (zh) * | 2017-11-09 | 2020-11-17 | 广东电网有限责任公司东莞供电局 | 一种基于全站录波文件的保护设备健康状态诊断方法 |
CN107957522A (zh) * | 2017-11-09 | 2018-04-24 | 广东电网有限责任公司东莞供电局 | 一种基于全站录波文件的保护设备健康状态诊断方法 |
CN107621594B (zh) * | 2017-11-13 | 2019-10-22 | 广东电网有限责任公司电力调度控制中心 | 一种基于故障录波数据与贝叶斯网络的电网故障诊断方法 |
CN107621594A (zh) * | 2017-11-13 | 2018-01-23 | 广东电网有限责任公司电力调度控制中心 | 一种基于故障录波数据与贝叶斯网络的电网故障诊断方法 |
US12034299B1 (en) | 2018-07-16 | 2024-07-09 | Cable Television Laboratories, Inc. | System and method for remote monitoring |
US11545852B1 (en) | 2018-07-16 | 2023-01-03 | Cable Television Laboratories, Inc. | System and method for remote monitoring |
US12051900B1 (en) | 2018-07-16 | 2024-07-30 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
US11088568B2 (en) | 2018-07-16 | 2021-08-10 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
US11108268B2 (en) * | 2018-07-16 | 2021-08-31 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
US12051899B1 (en) | 2018-07-16 | 2024-07-30 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
US12051901B1 (en) | 2018-07-16 | 2024-07-30 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
US11942783B1 (en) | 2018-07-16 | 2024-03-26 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
US11894677B1 (en) | 2018-07-16 | 2024-02-06 | Cable Television Laboratories, Inc. | System and method for distributed, secure, power grid data collection, consensual voting analysis, and situational awareness and anomaly detection |
CN109324268A (zh) * | 2018-12-14 | 2019-02-12 | 国网山东省电力公司电力科学研究院 | 基于贝叶斯推理的配电网早期故障检测方法及装置 |
CN109324268B (zh) * | 2018-12-14 | 2021-02-12 | 国网山东省电力公司电力科学研究院 | 基于贝叶斯推理的配电网早期故障检测方法及装置 |
CN111044850A (zh) * | 2020-01-14 | 2020-04-21 | 广东电网有限责任公司 | 一种基于设备故障概率的电网故障诊断方法 |
CN113419168B (zh) * | 2021-08-24 | 2021-12-03 | 中国南方电网有限责任公司超高压输电公司广州局 | 直流系统中断路器暂态特性分析方法及装置 |
CN113419168A (zh) * | 2021-08-24 | 2021-09-21 | 中国南方电网有限责任公司超高压输电公司广州局 | 直流系统中断路器暂态特性分析方法及装置 |
CN113807461A (zh) * | 2021-09-27 | 2021-12-17 | 国网四川省电力公司电力科学研究院 | 基于贝叶斯网络的变压器故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103293421A (zh) | 一种电网故障诊断模型及其诊断方法 | |
CN108931972B (zh) | 一种基于模型驱动的变电站二次设备状态智能诊断方法 | |
CN103001328B (zh) | 一种智能变电站的故障诊断与评估方法 | |
CN104931857B (zh) | 一种基于d-s证据理论的配电网故障定位方法 | |
CN102721901B (zh) | 基于时序贝叶斯知识库tbkb的电网故障诊断方法 | |
CN102637019B (zh) | 一种工业生产过程智能集成故障诊断方法及装置 | |
CN106771848B (zh) | 一种基于拓扑图元信息融合的电网故障诊断方法 | |
CN101833324B (zh) | 胎面挤出过程智能故障诊断系统及其诊断方法 | |
CN103337831A (zh) | 一种具有自适应功能的失步解列方法 | |
CN102549513A (zh) | 变电站自动化系统的可靠性计算 | |
CN103778467A (zh) | 一种选择电力系统暂态稳定评估输入特征量的方法 | |
CN103197168B (zh) | 电力系统中基于事件集因果链实现故障诊断控制的方法 | |
CN107491876A (zh) | 一种智能变电站保护系统的风险评估方法 | |
CN104991549A (zh) | 基于fta与多层次模糊神经子网络的轨道电路红光带故障诊断方法 | |
CN108090674A (zh) | 地区电网运行方式风险评估与辅助决策方法及系统 | |
CN104267294A (zh) | 一种基于粗糙集理论和Petri网络的IGIS故障在线诊断方法 | |
Rahat et al. | Comprehensive analysis of reliability and availability of sub-station automation system with IEC 61850 | |
CN103344881A (zh) | 基于组合型交叉熵算法的电网故障诊断方法 | |
CN103311960A (zh) | 一种强联系电网同调稳定区域划分方法 | |
Noorazar et al. | Data‐driven operation of the resilient electric grid: A case of COVID‐19 | |
CN104600680A (zh) | 一种基于数据融合的智能报警方法 | |
Rayudu | A knowledge-based architecture for distributed fault analysis in power networks | |
CN109932617A (zh) | 一种基于深度学习的自适应电网故障诊断方法 | |
Lin et al. | Component Model of Grid Cyber Physical Systems Based on Finite Automata | |
CN105528679A (zh) | 一种电力系统故障诊断的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130911 |