發(fā)布時(shí)間：2018-06-18 11:19

  本文選題：GRNN神經(jīng)網(wǎng)絡(luò) + 配電網(wǎng)故障診斷��； 參考：《福州大學(xué)》2014年碩士論文

【摘要】：隨著經(jīng)濟(jì)社會(huì)的發(fā)展和人民生活水平的提高,電力用戶對(duì)于電力系統(tǒng)的安全性和可靠性提出了更高的要求。然而爆炸性增長(zhǎng)的用電負(fù)荷、不斷擴(kuò)大的電網(wǎng)規(guī)模都使得電網(wǎng)拓?fù)浣Y(jié)構(gòu)越來(lái)越復(fù)雜進(jìn)而導(dǎo)致電網(wǎng)故障診斷的難度也在隨之上升。配電網(wǎng)絡(luò)是電力系統(tǒng)中發(fā)電-輸電-配電環(huán)節(jié)的最后一環(huán),直接關(guān)系到用戶的切身利益。在自然、人為因素(如工地施工不規(guī)范和自然災(zāi)害)的等問(wèn)題干擾下,配電網(wǎng)的安全問(wèn)題日益突出,導(dǎo)致配電網(wǎng)事故頻發(fā)。當(dāng)電網(wǎng)發(fā)生故障后,迅速的確認(rèn)故障源和故障原因是電力公司排除故障進(jìn)而進(jìn)行恢復(fù)性供電的前提,因此研究行之有效的配電網(wǎng)故障診斷系統(tǒng),輔助運(yùn)行人員快速準(zhǔn)確地找出故障源并修復(fù)故障,對(duì)于提高配電網(wǎng)可靠性和安全性具有重要的意義�，F(xiàn)如今大規(guī)模遙信和遙感設(shè)備的投入,使得電網(wǎng)的自動(dòng)化水平有了很大的提高,這也為研究配電網(wǎng)故障診斷系統(tǒng)提供了基礎(chǔ)。當(dāng)前電網(wǎng)故障診斷方法研究的難點(diǎn)是如何克服故障診斷過(guò)程中的不確定因素的干擾(即保護(hù)裝置和斷路器的動(dòng)作可靠性、調(diào)度中心接收到的警報(bào)信息的完整性和正確性),如何實(shí)現(xiàn)大型電網(wǎng)絡(luò)的在線故障診斷以及如何應(yīng)對(duì)電網(wǎng)拓?fù)渥兓瘞?lái)的診斷難題等問(wèn)題。本文對(duì)目前國(guó)內(nèi)外主流的電網(wǎng)故障診斷方法進(jìn)行了總結(jié)和分析,針對(duì)現(xiàn)今電網(wǎng)故障診斷方法存在的主要問(wèn)題,提出結(jié)合采用面向元件的FOA-GRNN(果蠅優(yōu)化算法-廣義回歸神經(jīng)網(wǎng)絡(luò))神經(jīng)網(wǎng)絡(luò)的故障診斷模型和基于因果時(shí)序網(wǎng)絡(luò)的警報(bào)信息甄別模型的電網(wǎng)故障診斷方法,并依此為基礎(chǔ)開(kāi)發(fā)配電網(wǎng)故障診斷專家系統(tǒng)。當(dāng)配電網(wǎng)發(fā)生故障時(shí),首先系統(tǒng)自動(dòng)識(shí)別停電區(qū)域并建立可疑故障元件集合；其次SCADA(數(shù)據(jù)采集與監(jiān)控系統(tǒng))和SOE(事件順序記錄儀)所收到的警報(bào)信息經(jīng)過(guò)警報(bào)信息甄別系統(tǒng)剔除錯(cuò)誤警報(bào),最后將保護(hù)裝置和斷路器動(dòng)作信息上傳給FOA-GRNN神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷,得到配電網(wǎng)中故障元件集的故障可信度,最終由專家系統(tǒng)實(shí)現(xiàn)故障綜合診斷并給出解決方案。經(jīng)算例驗(yàn)證,該方法能夠有效提高運(yùn)行人員故障處理效率,快速并準(zhǔn)確的實(shí)現(xiàn)配電網(wǎng)的故障診斷。相比于其他故障診斷方法,該方法能夠較好的處理故障診斷過(guò)程中存在的各種不確定因素以及配電網(wǎng)拓?fù)渥兓?對(duì)配電網(wǎng)復(fù)雜故障有較好的診斷能力。
[Abstract]:With the development of economy and society and the improvement of people's living standard, electric power users have put forward higher requirements for the security and reliability of power system. However, the explosive growth of power load and the increasing scale of power grid make the topology of power network more and more complex, which leads to the difficulty of fault diagnosis. Distribution network is the last link of generation, transmission and distribution in power system, which is directly related to the vital interests of users. Due to the interference of natural and man-made factors (such as construction irregularities and natural disasters), the safety problems of distribution network become more and more prominent, resulting in frequent distribution network accidents. When the fault occurs in the power network, it is the premise for the power company to remove the fault and restore the power supply, so the effective fault diagnosis system of the distribution network is studied. It is of great significance for auxiliary operators to find fault sources and repair faults quickly and accurately for improving the reliability and safety of distribution network. Nowadays, with the input of large-scale remote communication and remote sensing equipment, the automation level of power grid has been greatly improved, which also provides a basis for the study of distribution network fault diagnosis system. How to overcome the disturbance of uncertain factors in the process of fault diagnosis (that is, the operational reliability of protective devices and circuit breakers) is the difficulty of the current research on fault diagnosis methods of power network. The integrality and correctness of the alarm information received by the dispatching center, how to realize the on-line fault diagnosis of the large electric network and how to deal with the problem of diagnosis caused by the topology change of the power network are discussed. In this paper, the main methods of power network fault diagnosis at home and abroad are summarized and analyzed. A fault diagnosis model based on component oriented FOA-GRNN (Drosophila Optimization algorithm-Generalized regression Neural Network) neural network and an alarm information screening model based on causal sequential network are proposed. Based on this, an expert system for fault diagnosis of distribution network is developed. When the distribution network fails, the system automatically identifies the blackout area and establishes the set of suspicious fault elements. Secondly, the alarm information received by SCADA (data acquisition and monitoring system) and SOE (event sequence recorder) is eliminated by the alarm information screening system. Finally, the protection device and circuit breaker action information are uploaded to the FOA-GRNN neural network for fault diagnosis, and the fault reliability of the fault component set in the distribution network is obtained. Finally, the fault comprehensive diagnosis is realized by the expert system and the solution is given. The example shows that this method can improve the efficiency of fault treatment and realize the fault diagnosis of distribution network quickly and accurately. Compared with other fault diagnosis methods, this method can deal with all kinds of uncertain factors in the process of fault diagnosis and topology change of distribution network, and has better ability to diagnose complex faults of distribution network.
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TM727

【相似文獻(xiàn)】

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(shì)[J];電力系統(tǒng)保護(hù)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(yáng)理工大學(xué)學(xué)報(bào);2014年02期

5 劉海寬,韓華,王全;保護(hù)電網(wǎng)故障診斷系統(tǒng)[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)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(yáng),茹鋒;區(qū)域電網(wǎng)故障診斷系統(tǒng)設(shè)計(jì)[J];江蘇電機(jī)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(guó)電力;2006年05期

9 翁漢t ;毛鵬;林湘寧;;一種改進(jìn)的電網(wǎng)故障診斷優(yōu)化模型[J];電力系統(tǒng)自動(dòng)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(jìn)方法[J];中國(guó)電力;2008年05期

相關(guān)會(huì)議論文 前6條

1 王強(qiáng);劉震;;電網(wǎng)故障診斷研究[A];山東電機(jī)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

2 王強(qiáng);劉震;;電網(wǎng)故障診斷研究[A];第十九屆輸配電研討會(huì)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(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

4 孫秋野;張化光;李鐘旭;周建國(guó);;數(shù)據(jù)驅(qū)動(dòng)的不確定信息下智能電網(wǎng)故障診斷[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[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(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[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(dòng)化學(xué)術(shù)交流研討大會(huì)論文集[C];2006年

相關(guān)博士學(xué)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(xué)（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(xué);2012年

3 劉思華;電網(wǎng)故障診斷方法的研究[D];山東大學(xué);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(xué);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(xué);2013年

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

相關(guān)碩士學(xué)位論文 前10條

1 朱元林;在線電網(wǎng)故障診斷預(yù)處理功能的研究[D];華北電力大學(xué)（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(xué);2015年

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

4 羅孝輝;基于改進(jìn)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(xué);2015年

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

6 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(xué);2014年

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

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

9 邊少輝;滄州電網(wǎng)故障診斷與恢復(fù)系統(tǒng)的實(shí)現(xiàn)方案研究[D];華北電力大學(xué)（河北）;2009年

10 李超文;基于改進(jìn)模型和二進(jìn)制粒子群算法的電網(wǎng)故障診斷研究[D];西南交通大學(xué);2009年

，

本文編號(hào)：2035302