CN109886443A - 一种基于灰色系统理论的故障预估系统 - Google Patents
一种基于灰色系统理论的故障预估系统 Download PDFInfo
- Publication number
- CN109886443A CN109886443A CN201711428694.9A CN201711428694A CN109886443A CN 109886443 A CN109886443 A CN 109886443A CN 201711428694 A CN201711428694 A CN 201711428694A CN 109886443 A CN109886443 A CN 109886443A
- Authority
- CN
- China
- Prior art keywords
- module
- failure
- assessment
- prediction
- gray
- 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
- 238000013178 mathematical model Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于灰色系统理论的故障预估系统,包括故障预判模块、故障预测模块和故障评估模块;其中故障预判模块采集系统信息后将系统信息传输至故障预测模块,故障预测模块利用基于灰色系统理论的数学模型对系统信息进行故障预测并将预测结果传输至故障评估模块,故障评估模块对预测结果进行评估并将评估结果传输至故障预判模块,故障预判模块进行预测结果对比。
Description
技术领域
本发明涉及电网系统故障预测领域,更具体地,涉及一种基于灰色系统理论的故障预估系统。
背景技术
目前电网调控中心管控系统不具备系统故障预测的能力。故障预测可以利用“先验知识”,采用预测推理的方法对可能发生的故障做出判断,将故障扼杀于摇篮中,从而避免其给整个系统带来灾难性的后果。由于故障预测具有很强的“前瞻性”,因此在电力系统有很强的应用价值,在本次技术改造中研发了基于灰色系统的故障预评估,提升系统的抗干扰能力。
发明内容
本发明的目的是提升电网系统的故障预评估能力和抗干扰能力,提出一种基于灰色系统理论的故障预估系统。
为实现以上发明目的,采用的技术方案是:
一种基于灰色系统理论的故障预估系统,其中灰色系统是一种尽可能利用不足信息建立信息量充足模型的方法,它尽可能的发挥白色信息的用途,找到一种用离散信息建立微分方程的方法,使抽象的系统变得具体化,包括故障预判模块、故障预测模块和故障评估模块;其中故障预判模块采集系统信息后将系统信息传输至故障预测模块,故障预测模块利用基于灰色系统理论的数学模型对系统信息进行故障预测并将预测结果传输至故障评估模块,故障评估模块对预测结果进行评估并将评估结果传输至故障预判模块,故障预判模块进行预测结果对比。
其中所述故障预判模块包括采集告警信息模块、状态变更模块、对比预测结果模块;其中采集告警信息模块用于采集实时的告警信息,状态变更模块用于追踪系统所处的当前状态,对比预测结果模块用于对预测结果进行对比。
其中所述当前状态包括安全状态、紧急状态、恢复状态和不安全状态。
其中所述故障预测模块包括特征提取模块和预测特征模块;其中特征提取模块对数学模型中的若干个因子进行识别,包括主要因子和相关因子;预测特征模块根据识别的因子特征进行预测。
其中所述故障评估模块包括选取评价指标模块、生成状态序列模块、计算系数权重模块和分类故障等级模块;其中选取评价指标模块用于选取评价指标,生成状态序列模块用于生成状态序列,计算系数权重模块用于计算系数权重,分类故障等级模块用于对故障等级进行分类。
与现有技术相比,本发明的有益效果是:
本发明通过采用基于灰色系统理论的故障预估系统,能够预测系统可能发生的故障,能够动态刻画系统当前所处的状态,对于不同类别的故障,能够采用不同的应对策略。
附图说明
图1为本发明的系统原理图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
一种基于灰色系统理论的故障预估系统,如图1所示,其中灰色系统是一种尽可能利用不足信息建立信息量充足模型的方法,它尽可能的发挥白色信息的用途,找到一种用离散信息建立微分方程的方法,使抽象的系统变得具体化,包括故障预判模块、故障预测模块和故障评估模块;其中故障预判模块采集系统信息后将系统信息传输至故障预测模块,故障预测模块利用基于灰色系统理论的数学模型对系统信息进行故障预测并将预测结果传输至故障评估模块,故障评估模块对预测结果进行评估并将评估结果传输至故障预判模块,故障预判模块进行预测结果对比。
其中所述故障预判模块包括采集告警信息模块、状态变更模块、对比预测结果模块;其中采集告警信息模块用于采集实时的告警信息,状态变更模块用于追踪系统所处的当前状态,系统处于不停运行过程中,其运行状态也会时刻发生变换。Petri网是一种用于描述离散的、分布式系统的数学建模工具,利用其能够很好刻画和追踪系统所处的当前状态,其中包括:安全状态、紧急状态、恢复状态及不安全状态。对比预测结果模块用于对预测结果进行对比。
故障预测模块利用数学模型对系统行为特征值的发展变化进行的预测;对于行为特征值中的异常值发生的时刻进行估计;对在特定时区发生的事件,做出未来时间分布的计算,对于系统多因子的动态关联,进行配合研究,包括特征提取模块和预测特征模块;其中特征提取模块对数学模型中的若干个因子进行识别,包括主要因子和相关因子,通常需要利用数学方法,识别主要因子和相关因子,剔除无关的因子,这样可以实现对因子的压缩处理,同时保证模型的准确性。;预测特征模块根据识别的因子特征进行预测。
其中所述故障评估模块利用故障预测提取的特征,对故障做相应的评估。利用各个因子的权重系数,计算整体对模型的贡献值,评估模型准确度。同时,为了考虑故障对系统的影响程度,需对故障做分类处理,针对不同的故障类别,采取不同的应对策略,包括选取评价指标模块、生成状态序列模块、计算系数权重模块和分类故障等级模块;其中选取评价指标模块用于选取评价指标,生成状态序列模块用于生成状态序列,计算系数权重模块用于计算系数权重,分类故障等级模块用于对故障等级进行分类。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种基于灰色系统理论的故障预估系统,其中灰色系统是一种尽可能利用不足信息建立信息量充足模型的方法,它尽可能的发挥白色信息的用途,找到一种用离散信息建立微分方程的方法,使抽象的系统变得具体化,其特征在于,包括故障预判模块、故障预测模块和故障评估模块;其中故障预判模块采集系统信息后将系统信息传输至故障预测模块,故障预测模块利用基于灰色系统理论的数学模型对系统信息进行故障预测并将预测结果传输至故障评估模块,故障评估模块对预测结果进行评估并将评估结果传输至故障预判模块,故障预判模块进行预测结果对比。
2.根据权利要求1所述的一种基于灰色系统理论的故障预估系统,其特征在于,所述故障预判模块包括采集告警信息模块、状态变更模块、对比预测结果模块;其中采集告警信息模块用于采集实时的告警信息,状态变更模块用于追踪系统所处的当前状态,对比预测结果模块用于对预测结果进行对比。
3.根据权利要求2所述的一种基于灰色系统理论的故障预估系统,其特征在于,所述当前状态包括安全状态、紧急状态、恢复状态和不安全状态。
4.根据权利要求1所述的一种基于灰色系统理论的故障预估系统,其特征在于,所述故障预测模块包括特征提取模块和预测特征模块;其中特征提取模块对数学模型中的若干个因子进行识别,包括主要因子和相关因子;预测特征模块根据识别的因子特征进行预测。
5.根据权利要求1、4所述的一种基于灰色系统理论的故障预估系统,其特征在于,所述故障评估模块包括选取评价指标模块、生成状态序列模块、计算系数权重模块和分类故障等级模块;其中选取评价指标模块用于选取评价指标,生成状态序列模块用于生成状态序列,计算系数权重模块用于计算系数权重,分类故障等级模块用于对故障等级进行分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711428694.9A CN109886443A (zh) | 2017-12-26 | 2017-12-26 | 一种基于灰色系统理论的故障预估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711428694.9A CN109886443A (zh) | 2017-12-26 | 2017-12-26 | 一种基于灰色系统理论的故障预估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109886443A true CN109886443A (zh) | 2019-06-14 |
Family
ID=66924739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711428694.9A Pending CN109886443A (zh) | 2017-12-26 | 2017-12-26 | 一种基于灰色系统理论的故障预估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886443A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462734A (zh) * | 2020-11-03 | 2021-03-09 | 贵州江南航天信息网络通信有限公司 | 一种工业生产设备故障预测分析方法及模型 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100088399A (ko) * | 2009-01-30 | 2010-08-09 | 부산대학교 산학협력단 | 메트릭을 이용한 소프트웨어 결함 예측 계산 장치 및 계산 방법 |
CN102750445A (zh) * | 2012-06-06 | 2012-10-24 | 哈尔滨工业大学 | 基于复化Simpson公式改进多变量灰色模型的故障预测方法 |
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修系统 |
CN103793601A (zh) * | 2014-01-20 | 2014-05-14 | 广东电网公司电力科学研究院 | 基于异常搜索和组合预测的汽轮机组在线故障预警方法 |
CN103914791A (zh) * | 2014-03-17 | 2014-07-09 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力设备状态检修系统 |
CN105096053A (zh) * | 2015-08-14 | 2015-11-25 | 哈尔滨工业大学 | 一种适用于复杂工艺系统的健康管理决策方法 |
CN105466693A (zh) * | 2015-11-13 | 2016-04-06 | 哈尔滨工程大学 | 基于灰色模型的柴油机燃油系统故障预诊断方法 |
CN105631578A (zh) * | 2015-12-10 | 2016-06-01 | 浙江大学 | 一种面向风险评估的输变电设备故障概率模型的建模方法 |
CN105719007A (zh) * | 2016-01-22 | 2016-06-29 | 南京富岛信息工程有限公司 | 一种红外热轴音频通道故障预测方法 |
JP2016219962A (ja) * | 2015-05-18 | 2016-12-22 | Kddi株式会社 | 運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 |
CN107146004A (zh) * | 2017-04-20 | 2017-09-08 | 浙江大学 | 一种基于数据挖掘的矿渣粉磨系统健康状态识别系统及方法 |
-
2017
- 2017-12-26 CN CN201711428694.9A patent/CN109886443A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100088399A (ko) * | 2009-01-30 | 2010-08-09 | 부산대학교 산학협력단 | 메트릭을 이용한 소프트웨어 결함 예측 계산 장치 및 계산 방법 |
CN102750445A (zh) * | 2012-06-06 | 2012-10-24 | 哈尔滨工业大学 | 基于复化Simpson公式改进多变量灰色模型的故障预测方法 |
CN103617110A (zh) * | 2013-11-11 | 2014-03-05 | 国家电网公司 | 服务器设备状态检修系统 |
CN103793601A (zh) * | 2014-01-20 | 2014-05-14 | 广东电网公司电力科学研究院 | 基于异常搜索和组合预测的汽轮机组在线故障预警方法 |
CN103914791A (zh) * | 2014-03-17 | 2014-07-09 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种电力设备状态检修系统 |
JP2016219962A (ja) * | 2015-05-18 | 2016-12-22 | Kddi株式会社 | 運用損失を考慮して障害予測結果を評価する装置、システム、プログラム及び方法 |
CN105096053A (zh) * | 2015-08-14 | 2015-11-25 | 哈尔滨工业大学 | 一种适用于复杂工艺系统的健康管理决策方法 |
CN105466693A (zh) * | 2015-11-13 | 2016-04-06 | 哈尔滨工程大学 | 基于灰色模型的柴油机燃油系统故障预诊断方法 |
CN105631578A (zh) * | 2015-12-10 | 2016-06-01 | 浙江大学 | 一种面向风险评估的输变电设备故障概率模型的建模方法 |
CN105719007A (zh) * | 2016-01-22 | 2016-06-29 | 南京富岛信息工程有限公司 | 一种红外热轴音频通道故障预测方法 |
CN107146004A (zh) * | 2017-04-20 | 2017-09-08 | 浙江大学 | 一种基于数据挖掘的矿渣粉磨系统健康状态识别系统及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462734A (zh) * | 2020-11-03 | 2021-03-09 | 贵州江南航天信息网络通信有限公司 | 一种工业生产设备故障预测分析方法及模型 |
CN112462734B (zh) * | 2020-11-03 | 2022-06-17 | 贵州江南航天信息网络通信有限公司 | 一种工业生产设备故障预测分析方法及模型 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105653764B (zh) | 电网安全事故风险等级在线评估与预警方法 | |
CN109501834B (zh) | 一种道岔转辙机故障预测方法及装置 | |
CN110852387B (zh) | 一种能源互联网超实时状态研判算法 | |
CN107453354B (zh) | 一种配电网的薄弱环节识别方法 | |
CN107861492A (zh) | 一种基于裕度统计量的广义非负矩阵分解故障监测方法 | |
CN112488371B (zh) | 一种基于大数据的管道智能预警方法和系统 | |
CN104779608A (zh) | 基于离线策略的电力系统安全稳定在线附加紧急控制方法 | |
Zhu et al. | Solar power ramp event forewarning with limited historical observations | |
CN109886443A (zh) | 一种基于灰色系统理论的故障预估系统 | |
Xu et al. | Load shedding and its strategies against frequency instability in power systems | |
Tso et al. | Evaluation of load shedding to prevent dynamic voltage instability based on extended fuzzy reasoning | |
CN104978837B (zh) | 一种面向用户端变电所的报警系统及其实现方法 | |
Tojeiro et al. | Fault detection based on Neuro-Fuzzy models and residual evaluation with fuzzy thresholds applied to a photovoltaic system. | |
CN109635008A (zh) | 一种基于机器学习的设备故障检测方法 | |
Hu et al. | Power grid's Intelligent Stability Analysis based on big data technology | |
Yang et al. | Traffic demand forecasting for EGCS with grey theory based multi-model method | |
Zhu et al. | Power system short‐term voltage stability assessment based on improved CatBoost with consideration of model confidence | |
CN111339664A (zh) | 一种基于边缘计算的逐层负荷建模方法和系统 | |
Xiao et al. | A secure and efficient management system for smart distribution grid based on Distribution System Security Region (DSSR) | |
CN113673162B (zh) | 一种基于模糊评判及DSmT的变压器本体状态评估方法 | |
CN105577404B (zh) | 一种网络告警信息关联处理方法及装置 | |
KR102683088B1 (ko) | Lvdc 농공단지 마이크로그리드 전력망 안정화 시스템 및 계통환경 분석 장치 | |
Panasetsky et al. | Using of neural network technology and multi-agent systems to preventing large-scale emergencies in electric power systems | |
Khan et al. | Smart elevator system for hazard notification | |
Intriago et al. | Real-time power system event detection: A novel instance selection approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |