本文關(guān)鍵詞：基于組合型交叉熵算法的電網(wǎng)故障診斷方法研究

  更多相關(guān)文章： 診斷模型 組合型交叉熵算法 輸電網(wǎng) 配電網(wǎng) 容錯性

【摘要】：采用優(yōu)化技術(shù)的電網(wǎng)故障診斷方式由于其理論基礎(chǔ)嚴(yán)密,實用性好等優(yōu)點,越來越受到人們的重視。但仍有一些需要解決的問題:如完全描述故障情形的診斷模型建立問題;優(yōu)化算法迭代過程中的實時性問題;以及報警信息不完備或畸變時診斷系統(tǒng)的容錯性問題。對于輸電網(wǎng)的故障診斷,本文以保護器和斷路器動作信息(開關(guān)量)之間的關(guān)聯(lián)關(guān)系和動作邏輯,建立診斷模型,并引入權(quán)重因子用以平衡保護拒動對目標(biāo)函數(shù)的影響。然后采用組合型交叉熵算法(CCE)對模型尋優(yōu),進而識別故障元件。通過對算例中多種典型故障進行仿真測試,本文方法均能正確識別故障元件,若故障情形伴隨有保護器和斷路器誤動、拒動以及多重故障,診斷結(jié)論同樣正確,證明算法具有一定的容錯能力。對于配電網(wǎng)的故障定位,以分段開關(guān)處FTU檢測到的故障過電流信息為依據(jù),建立故障定位數(shù)學(xué)模型。融入故障過電流方向性因素,使得傳統(tǒng)模型同樣適用于含分布式電源的配電網(wǎng)故障定位建模中。然后同樣利用CCE對模型尋優(yōu),識別故障饋線區(qū)段。仿真算例分別從IEEE33節(jié)點系統(tǒng)和典型多電源配電網(wǎng)中提取故障情形,其中包括單點、多點故障和少量信息畸變等復(fù)雜情況,本文方法能夠定位正確的故障區(qū)段,證明了其有效性和容錯性。針對優(yōu)化技術(shù)解決電網(wǎng)故障診斷時所存在的問題,文中分別從輸電網(wǎng)和配電網(wǎng)兩方面出發(fā),研究了有效反映故障情形的診斷模型建立方式,重點在于提出采用CCE對故障診斷模型尋優(yōu)的思路。該算法收斂速度快,精度高,在報警信息缺失、畸變及多重復(fù)雜故障時均能有效收斂于最優(yōu)解,具有容錯性。仿真過程中將CCE與遺傳算法(GA)、粒子群算法(PSO)在收斂性上進行比較,進一步證明CCE滿足電網(wǎng)故障診斷對準(zhǔn)確性和實時性的要求。
【關(guān)鍵詞】：診斷模型 組合型交叉熵算法 輸電網(wǎng) 配電網(wǎng) 容錯性
【學(xué)位授予單位】：黑龍江科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM727
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-10
• 1 緒論10-15
• 1.1 課題的研究背景和意義10-11
• 1.2 電網(wǎng)故障診斷的國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 矩陣算法11
• 1.2.2 專家系統(tǒng)11-12
• 1.2.3 人工神經(jīng)網(wǎng)絡(luò)12
• 1.2.4 優(yōu)化技術(shù)12-13
• 1.2.5 支持向量機13
• 1.3 交叉熵算法的優(yōu)勢13-14
• 1.4 本文結(jié)構(gòu)及主要研究內(nèi)容14-15
• 2 交叉熵算法概述15-26
• 2.1 引言15
• 2.2 小概率事件的交叉熵算法15-18
• 2.3 組合型交叉熵算法18-19
• 2.4 連續(xù)型交叉熵算法19-21
• 2.5 算例仿真21-25
• 2.5.1 背包問題21-23
• 2.5.2 序列盲估計問題23
• 2.5.3 SVM核函數(shù)參數(shù)優(yōu)化問題23-25
• 2.6 本章小結(jié)25-26
• 3 基于組合型交叉熵算法的輸電網(wǎng)故障診斷26-46
• 3.1 引言26
• 3.2 輸電網(wǎng)故障信息26-27
• 3.3 故障區(qū)域識別原理27-28
• 3.4 輸電網(wǎng)故障診斷的解析化建模28-31
• 3.4.1 解析模型的建立28
• 3.4.2 保護器和斷路器的期望狀態(tài)整定原則28-31
• 3.4.3 目標(biāo)函數(shù)的改進31
• 3.5 算例分析31-45
• 3.5.1 測試系統(tǒng)概述32
• 3.5.2 故障情形 132-40
• 3.5.3 故障情形 240-45
• 3.6 本章小結(jié)45-46
• 4 基于組合型交叉熵算法的配電網(wǎng)故障定位46-58
• 4.1 引言46
• 4.2 配電網(wǎng)區(qū)段故障定位概述46-48
• 4.2.1 故障定位方法的標(biāo)準(zhǔn)46-47
• 4.2.2 配電網(wǎng)結(jié)構(gòu)47-48
• 4.2.3 故障定位問題描述48
• 4.3 故障定位數(shù)學(xué)模型的建立48-50
• 4.4 算例分析50-57
• 4.4.1 含分布式電源的配電網(wǎng)故障定位仿真51-55
• 4.4.2 單電源輻射狀配電網(wǎng)故障定位55-57
• 4.5 本章小結(jié)57-58
• 5 結(jié)論與展望58-60
• 參考文獻60-64
• 作者簡歷64-66
• 學(xué)位論文數(shù)據(jù)集66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 顏若愚;鄭慶華;;使用交叉熵檢測和分類網(wǎng)絡(luò)異常流量[J];西安交通大學(xué)學(xué)報;2010年06期

2 彭小蘭;丁宇新;;基于交叉熵的用戶行為異常檢測[J];東莞理工學(xué)院學(xué)報;2009年05期

3 吳一全;張曉杰;吳詩Zs;;基于混沌彈性粒子群優(yōu)化與基于分解的二維交叉熵閾值分割[J];上海交通大學(xué)學(xué)報;2011年03期

4 游彪;楊健;葉春茂;宋建設(shè);;改進的功率極化交叉熵艦船檢測方法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2014年04期

5 李俊;陳國華;馬鐵軍;曾啟林;;散斑干涉相關(guān)條紋的交叉熵表征方法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2009年05期

6 梅蓉,姜長生,陳謀;基于遺傳算法的二維最小交叉熵的動態(tài)圖像分割[J];電光與控制;2005年01期

7 張新明;孫全黨;鄭延斌;張慧云;李雙;;二維最大熵和二維最小交叉熵結(jié)合的圖像分割[J];電光與控制;2011年02期

8 楊忠根;廣義最大熵法在估計最小交叉熵譜中的應(yīng)用[J];哈爾濱船舶工程學(xué)院學(xué)報;1989年03期

9 吳一全;宋昱;周懷春;;鍋爐煤燃燒火焰圖像倒數(shù)交叉熵多閾值分割[J];燃燒科學(xué)與技術(shù);2013年06期

10 呂盛坪;陸一平;查建中;呂勝祥;;二維矩形塊布局的交叉熵方法實現(xiàn)[J];北京交通大學(xué)學(xué)報;2009年02期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 張濤;閻睿;鄭晨光;楊卓;;多尺度交叉熵及其在自主神經(jīng)系統(tǒng)多變量耦合模式中的應(yīng)用[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王越;基于交叉熵理論的電力系統(tǒng)短期可靠性評估[D];浙江大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 邊晨源;基于組合型交叉熵算法的電網(wǎng)故障診斷方法研究[D];黑龍江科技大學(xué);2015年

2 盧長先;基于交叉熵方法的布局問題求解算法研究[D];北京交通大學(xué);2007年

3 楊銳;基于交叉熵的序列事件周期性檢測及應(yīng)用研究[D];電子科技大學(xué);2013年

，

本文編號：1035635