【摘要】：隨著電網(wǎng)規(guī)模不斷擴大和互聯(lián)程度不斷提高,電網(wǎng)發(fā)生故障時,若故障不能得到及時有效處理,會演變成大面積停電事故,進而對社會造成重大經(jīng)濟損失。電網(wǎng)故障時,要求調(diào)度人員快速準確地完成故障診斷,從而將故障區(qū)域隔離并為后續(xù)供電恢復工作提供基礎(chǔ)。而大量故障多源信息在短時間內(nèi)涌入調(diào)度中心,在提供診斷依據(jù)的同時,也給調(diào)度人員進行快速、準確的故障診斷增加了難度,會導致調(diào)度人員出現(xiàn)誤判和漏判的情況,從而使故障情況加劇,造成更嚴重的停電事故。因此,電網(wǎng)故障診斷方法的研究對及時有效診斷故障,保證電網(wǎng)安全、穩(wěn)定運行具有重要實際意義。模糊推理脈沖神經(jīng)膜系統(tǒng)是將模糊理論引入膜計算理論而產(chǎn)生的一種可以處理不確定性因素的計算模型,具有直觀的圖形表示、并行性、動態(tài)性以及不確定性等特點。而電網(wǎng)故障是一個離散動態(tài)演變過程,它由故障、保護動作、斷路器跳閘等一系列事件組成,且受到不確定性因素影響。模糊推理脈沖神經(jīng)膜系統(tǒng)的特點使其適合求解電網(wǎng)故障診斷問題,近年來被應用于電網(wǎng)故障診斷領(lǐng)域,得到一定程度的發(fā)展。所以,本文在現(xiàn)有基于模糊推理脈沖神經(jīng)膜系統(tǒng)的電網(wǎng)故障診斷方法的基礎(chǔ)上繼續(xù)深入,研究一種以調(diào)度中心獲得的故障多源信息為診斷依據(jù)的基于模糊推理脈沖神經(jīng)膜系統(tǒng)的電網(wǎng)故障診斷方法,使其能夠利用警報時序信息在警報信息存在不確定性因素的情況下識別出故障元件并且能利用故障電氣量信息判斷出故障類型,從而給調(diào)度人員提供輔助決策。論文首先利用警報時序信息,給出了基于時序模糊推理脈沖神經(jīng)膜系統(tǒng)的電網(wǎng)故障元件識別方法。該方法首先建立了基于時序模糊推理脈沖神經(jīng)膜系統(tǒng)的故障元件識別模型,其次利用時序一致性約束檢查警報信息有效性,從而修正了保護和斷路器動作信息的初始置信度,進而提高了識別結(jié)果準確性。最后應用IEEE 39節(jié)點電網(wǎng)模型的算例測試了方法的有效性,并與其它方法的結(jié)果進行了對比。利用輸電線路故障電氣量信息,給出了一種將小波變換和模糊推理脈沖神經(jīng)膜系統(tǒng)相結(jié)合的輸電線路故障分類方法。該方法首先利用小波變換和奇異值分解提取故障信號特征,然后利用基于模糊推理脈沖神經(jīng)膜系統(tǒng)的故障分類模型對故障特征進行分類,從而確定故障類型。以500kV輸電線路故障模型為例,做了大量仿真分析。仿真結(jié)果表明,該方法不受故障初始角、故障位置和過渡電阻等因素的影響且對線路參數(shù)以及噪聲有較好的適應性。
[Abstract]:With the continuous expansion of power network scale and the continuous improvement of interconnection, if failure occurs, if the fault can not be dealt with in time and effectively, it will evolve into a large-scale blackout accident, which will cause great economic losses to the society. In order to isolate the fault area and provide the basis for the subsequent work of power supply recovery, the dispatcher is required to complete the fault diagnosis quickly and accurately. However, a large number of fault multi-source information poured into the dispatching center in a short time, which not only provided the diagnostic basis, but also increased the difficulty of rapid and accurate fault diagnosis for the dispatcher, which would lead to the misjudgment and omission of the dispatcher. As a result, the fault situation is aggravated, resulting in a more serious blackout. Therefore, the research of fault diagnosis method has important practical significance for timely and effective fault diagnosis, ensuring power grid safety and stable operation. Fuzzy reasoning impulsive neural membrane system is a kind of computing model which can deal with uncertain factors by introducing fuzzy theory into membrane computing theory. It has the characteristics of intuitive graphical representation, parallelism, dynamic and uncertainty. Power network fault is a discrete dynamic evolution process, which is composed of a series of events, such as fault, protection action, circuit breaker tripping and so on, and is affected by uncertain factors. The characteristics of fuzzy inference pulse neural membrane system make it suitable to solve the power network fault diagnosis problem. In recent years, it has been applied in the field of power network fault diagnosis, and has been developed to a certain extent. Therefore, based on the existing fault diagnosis methods of power network based on fuzzy reasoning impulse neural membrane system, this paper continues to go deep. A fault diagnosis method based on fuzzy inference pulse neural membrane system based on multi-source fault information obtained from dispatching center is studied. It can use the alarm sequence information to identify the fault elements and to use the fault electrical information to judge the fault type, which can provide auxiliary decision for the dispatcher. In this paper, a method of fault element identification based on time-series fuzzy inference pulse neural membrane system is presented based on alarm timing information. In this method, a fault element identification model based on time-series fuzzy reasoning pulse neural membrane system is first established, and then the validity of alarm information is checked by time sequence consistency constraint, thus the initial confidence degree of protection and circuit breaker action information is corrected. Thus, the accuracy of the recognition results is improved. Finally, the effectiveness of the proposed method is tested by an example of IEEE 39 bus power network model, and the results are compared with those of other methods. A fault classification method based on wavelet transform and fuzzy inference pulse neural membrane system is presented based on the electrical information of transmission line fault. Firstly, wavelet transform and singular value decomposition are used to extract fault signal features, and then fault classification model based on fuzzy inference pulse neural membrane system is used to classify fault features to determine fault types. Taking 500kV transmission line fault model as an example, a lot of simulation analysis is done. The simulation results show that the method is independent of the fault initial angle, fault location and transition resistance, and has good adaptability to line parameters and noise.
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM711

【相似文獻】

相關(guān)期刊論文 前10條

1 侯玉t$;束洪春;;配電網(wǎng)故障診斷方法綜述[J];云南水力發(fā)電;2007年04期

2 林圣;何正友;錢清泉;;輸電網(wǎng)故障診斷方法綜述與發(fā)展趨勢[J];電力系統(tǒng)保護與控制;2010年04期

3 張旭;魏娟;趙冬梅;張東英;劉燕華;;電網(wǎng)故障診斷的研究歷程及展望[J];電網(wǎng)技術(shù);2013年10期

4 吳利劍;朱立忠;王琳琳;;故障診斷信息缺失情況下的電網(wǎng)故障診斷系統(tǒng)[J];沈陽理工大學學報;2014年02期

5 劉海寬,韓華,王全;保護電網(wǎng)故障診斷系統(tǒng)[J];佳木斯大學學報(自然科學版);2002年02期

6 聶曉棠,段奇志,彭志權(quán);電網(wǎng)故障診斷新方法的研究[J];華中電力;2004年05期

7 毛鵬,張軍林,許揚,茹鋒;區(qū)域電網(wǎng)故障診斷系統(tǒng)設(shè)計[J];江蘇電機工程;2005年06期

8 陳玉林;陳允平;孫金莉;邱君瑪;;電網(wǎng)故障診斷方法綜述[J];中國電力;2006年05期

9 翁漢t ;毛鵬;林湘寧;;一種改進的電網(wǎng)故障診斷優(yōu)化模型[J];電力系統(tǒng)自動化;2007年07期

10 栗然;仇曉龍;;基于模糊Petri網(wǎng)的輸電網(wǎng)故障診斷改進方法[J];中國電力;2008年05期

相關(guān)會議論文 前6條

1 王強;劉震;;電網(wǎng)故障診斷研究[A];山東電機工程學會2011年學術(shù)年會論文集[C];2011年

2 王強;劉震;;電網(wǎng)故障診斷研究[A];第十九屆輸配電研討會論文集[C];2011年

3 高瑋;何正友;楊建維;劉超;;量子神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷方法[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（中冊）[C];2008年

4 孫秋野;張化光;李鐘旭;周建國;;數(shù)據(jù)驅(qū)動的不確定信息下智能電網(wǎng)故障診斷[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

5 祝亞靜;顧雪平;;基于粗糙集理論和證據(jù)理論相結(jié)合的電網(wǎng)故障診斷[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（中冊）[C];2008年

6 孟祥萍;劉春玲;耿衛(wèi)星;潘瑩;司春旺;;基于EMS、SCADA狀態(tài)信息的電網(wǎng)故障診斷方法[A];2006電力系統(tǒng)自動化學術(shù)交流研討大會論文集[C];2006年

相關(guān)博士學位論文 前9條

1 趙冬梅;基于多信息源的電網(wǎng)故障診斷方法的研究[D];華北電力大學（北京）;2005年

2 劉道兵;電網(wǎng)故障診斷的解析化建模與求解[D];華北電力大學;2012年

3 劉思華;電網(wǎng)故障診斷方法的研究[D];山東大學;2010年

4 楊健維;基于模糊Petri網(wǎng)的電網(wǎng)故障診斷方法研究[D];西南交通大學;2011年

5 王磊;電網(wǎng)故障診斷方法及其系統(tǒng)架構(gòu)研究[D];山東大學;2013年

6 周永勇;配電網(wǎng)故障診斷、定位及恢復方法研究[D];重慶大學;2010年

7 周子冠;電網(wǎng)多數(shù)據(jù)源在線診斷方法研究[D];中國電力科學研究院;2010年

8 徐青山;基于混沌載波優(yōu)化及行波多分辨理論的輸電網(wǎng)故障診斷[D];東南大學;2006年

9 周曙;基于貝葉斯網(wǎng)的電力系統(tǒng)故障診斷方法研究[D];西南交通大學;2010年

相關(guān)碩士學位論文 前10條

1 朱元林;在線電網(wǎng)故障診斷預處理功能的研究[D];華北電力大學（北京）;2011年

2 趙培哲;基于貝葉斯網(wǎng)的電網(wǎng)故障診斷技術(shù)[D];湖南工業(yè)大學;2015年

3 方志宏;基于故障錄波數(shù)據(jù)的分析軟件設(shè)計與電網(wǎng)故障診斷方法[D];西南交通大學;2015年

4 羅孝輝;基于改進貝葉斯網(wǎng)絡(luò)和Hibert-Huang變換的多源信息融合電網(wǎng)故障診斷方法[D];西南交通大學;2015年

5 劉大偉;基于開關(guān)量和電氣量的電網(wǎng)故障診斷[D];山東大學;2015年

6 衣得源;一種基于模糊Petri網(wǎng)的電網(wǎng)故障診斷方法研究與設(shè)計[D];東北大學;2013年

7 張立穎;多數(shù)據(jù)源信息融合的電網(wǎng)故障診斷方法研究[D];東北大學;2013年

8 孫亞;基于分層理論的電網(wǎng)故障診斷及脆弱性評估方法研究[D];東北大學;2014年

9 史佳琪;基于解析模型的輸電網(wǎng)故障診斷技術(shù)的研究[D];東北大學;2014年

10 李宗輝;配電網(wǎng)故障診斷系統(tǒng)[D];福州大學;2014年

，

本文編號：2309504