本文關鍵詞：基于解析模型的輸電網故障診斷技術的研究　出處：《東北大學》2014年碩士論文　論文類型：學位論文

  更多相關文章： 電力系統(tǒng)故障診斷 解析法 0-1整數規(guī)劃 改進粒子群算法 人工魚群算法

【摘要】：電力系統(tǒng)故障診斷是調度員處理電網事故的重要輔助工具,可以起到縮短事故處理時間、防止事故擴大和提高電力系統(tǒng)自動化水平的作用。在現(xiàn)代工業(yè)中,電力系統(tǒng)故障診斷是指利用保護和斷路器的動作信息來推斷可能的故障位置,識別故障元件和誤動作的保護與斷路器,并對保護和斷路器的動作情況做出評價其中故障元件的識別是故障診斷實現(xiàn)的關鍵。本文中,首先,對電力系統(tǒng)故障診斷的基本概念和研究背景作了簡要介紹,對國內外現(xiàn)有電力系統(tǒng)故障診斷基本理論和常用方法作了分析和比較。闡明了電力系統(tǒng)故障診斷的目標與功能,并介紹了故障分類和故障信息源。其次,基于繼電保護動作規(guī)則等常規(guī)知識,應用優(yōu)化技術,將電力系統(tǒng)故障診斷問題轉化為0-1整數規(guī)劃問題,建立了解析法的數學模型,并詳細探討了目標函數自動形成方法、故障區(qū)域自動識別策略和優(yōu)化問題求解算法。然后,針對傳統(tǒng)故障模型進行了優(yōu)化,提出兩種更完善的故障診斷解析方法,分別是基于混合法的電網故障診斷方法,和基于廣域測量系統(tǒng)的故障解析模型。前者可以降低目標變量的維數,使得求解更快捷,后者將當下最流行的廣域測量系統(tǒng)中的電氣量信息與之結合,預測了電力系統(tǒng)故障診斷未來的發(fā)展趨勢。提出兩種新型群體智能仿生方法,改進粒子群算法和人工魚群算法均是基于群體搜索的新型優(yōu)化方法,具有并行處理特征,魯棒性好,易于實現(xiàn),且計算效率較高。本文介紹了改進粒子群算法和人工魚群算法的基本原理,詳細論述了兩種算法的流程和實現(xiàn)步驟,分析了算法中參數對算法本身的影響,比較了兩種算法的特點。在此基礎上,應用兩種算法求解故障診斷優(yōu)化問題,給出了算法的具體實現(xiàn)步驟,討論了算法參數選擇等注意事項。最后,在給出的故障診斷測試系統(tǒng)上,對故障情形進行了仿真。與遺傳算法等傳統(tǒng)優(yōu)化算法比較,采用改進粒子群算法和人工魚群算法求解故障診斷優(yōu)化問題穩(wěn)定性高、收斂特性好、運行速度快。最后對論文中所作的研究進行簡要總結,并指出了這一領域有待進一步深入研究的問題。
[Abstract]:Fault diagnosis of power system is an important tool for the dispatcher to handle the power grid accidents, to shorten the processing time of the accident, prevent accident and to improve the level of automation of power system. In modern industry, power system fault diagnosis refers to the use of circuit breakers and protection action information to infer the possible location of the fault protection and circuit breaker to identify the faulty elements and false action, and action of protective relays and circuit breakers to make evaluation of the fault component is the key to realize fault diagnosis. In this paper, firstly, the basic concepts and research background of power system fault diagnosis is briefly introduced, the existing domestic and foreign power system fault diagnosis theory and the commonly used methods are analyzed and compared. The goal and function of the power system fault diagnosis, and introduces the fault classification and fault information source. Secondly, based on the Relay protection rules of conventional knowledge, application of optimization technology, the power system fault diagnosis problem into 0-1 integer programming problem, establishes a mathematical model of the analytical method, and discusses the objective function of automatic forming method, strategy and optimization algorithm of automatic identification fault region. Then, according to the traditional fault model was optimized. Put forward two kinds of improved fault diagnosis analytic method, namely power system fault diagnosis method based on hybrid method, and fault analysis model based on wide area measurement system. The former can reduce the dimension of the target variable, which makes the calculation more efficient, the electrical information of wide area measurement system in the most popular with the combination forecast the development trend of future power system fault diagnosis. This paper proposes two new bionic swarm intelligence method, improved particle swarm optimization algorithm and artificial fish swarm algorithm is A new optimization method based on population search, parallel processing features, good robustness, easy to implement, and high computational efficiency. This paper introduces the basic principle of improved PSO and artificial fish swarm algorithm, discusses two kinds of algorithm flow and implementation steps, analyzed the influence of the parameters in the algorithm on the algorithm itself. Comparison of the characteristics of two algorithms. On this basis, the application of two kinds of fault diagnosis algorithm for solving the optimization problem, the specific implementation steps of the method is given and discussed the algorithm parameter selection considerations. Finally, the fault diagnosis testing system is given, the fault is simulated. Compared with the traditional genetic algorithm. The optimization algorithm, the improved particle swarm algorithm and artificial fish swarm algorithm for solving the optimization problem of fault diagnosis of high stability, good convergence, fast running speed. At the end of this thesis the research done by Jane It is necessary to sum up and point out the problems that need to be further studied in this field.

【學位授予單位】：東北大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TM727

【相似文獻】

相關期刊論文 前10條

1 侯玉t$;束洪春;;配電網故障診斷方法綜述[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;;電網故障診斷的研究歷程及展望[J];電網技術;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;電網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)域電網故障診斷系統(tǒng)設計[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網的輸電網故障診斷改進方法[J];中國電力;2008年05期

相關會議論文 前6條

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

2 王強;劉震;;電網故障診斷研究[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;;量子神經網絡的電網故障診斷方法[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（中冊）[C];2008年

4 孫秋野;張化光;李鐘旭;周建國;;數據驅動的不確定信息下智能電網故障診斷[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

5 祝亞靜;顧雪平;;基于粗糙集理論和證據理論相結合的電網故障診斷[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)信息的電網故障診斷方法[A];2006電力系統(tǒng)自動化學術交流研討大會論文集[C];2006年

相關博士學位論文 前9條

1 趙冬梅;基于多信息源的電網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網的電網故障診斷方法研究[D];西南交通大學;2011年

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

6 周永勇;配電網故障診斷、定位及恢復方法研究[D];重慶大學;2010年

7 周子冠;電網多數據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故障診斷[D];東南大學;2006年

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

相關碩士學位論文 前10條

1 朱元林;在線電網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;基于貝葉斯網的電網故障診斷技術[D];湖南工業(yè)大學;2015年

3 方志宏;基于故障錄波數據的分析軟件設計與電網故障診斷方法[D];西南交通大學;2015年

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

5 劉大偉;基于開關量和電氣量的電網故障診斷[D];山東大學;2015年

6 衣得源;一種基于模糊Petri網的電網故障診斷方法研究與設計[D];東北大學;2013年

7 張立穎;多數據源信息融合的電網故障診斷方法研究[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故障診斷技術的研究[D];東北大學;2014年

10 張烈勇;基于聯(lián)合規(guī)則挖掘的大電網故障診斷[D];華北電力大學（河北）;2008年

，

本文編號：1378811