天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當(dāng)前位置:主頁 > 科技論文 > AI論文 >

人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用

發(fā)布時(shí)間:2016-10-13 15:30

  本文關(guān)鍵詞:人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用,由筆耕文化傳播整理發(fā)布。


人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用

廖志偉1,2,孫雅明1,葉青華2

(1.天津大學(xué)電氣與自動(dòng)化工程學(xué)院,天津300072;
2.華南理工大學(xué)電力學(xué)院,廣州510640)

    摘  要:對(duì)人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法、模糊理論等人工智能技術(shù)的基本概念進(jìn)行了簡單的介紹,并從實(shí)用化的觀點(diǎn)對(duì)它們在電力系統(tǒng)故障診斷中的應(yīng)用特點(diǎn)、存在問題進(jìn)行分析,最后指出人工智能技術(shù)用于電力系統(tǒng)故障診斷的最新發(fā)展動(dòng)向。
    關(guān)鍵詞:電力系統(tǒng);故障診斷;人工智能


1 引言
  電力系統(tǒng)實(shí)時(shí)故障診斷問題的研究,一般都是根據(jù)在故障過程中,對(duì)某些裝置和設(shè)備所出現(xiàn)的一系列數(shù)字和狀態(tài)信息量進(jìn)行分析和推理。在此基礎(chǔ)上查出導(dǎo)致系統(tǒng)某種功能失調(diào)的原因和性質(zhì),判斷故障發(fā)生的元件以及預(yù)測故障惡化的發(fā)展趨勢,得出診斷結(jié)論。在電力系統(tǒng)的故障診斷(faultdiagnosis of power system——FD-PS)方面已開展了不少研究,傳統(tǒng)型的FD-PS研究是在建立被診斷系統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模型的基礎(chǔ)上,根據(jù)發(fā)生故障時(shí),系統(tǒng)結(jié)構(gòu)和參數(shù)變化,導(dǎo)致系統(tǒng)潮流的變化,進(jìn)而根據(jù)潮流計(jì)算的變化判斷出故障。但潮流計(jì)算和分析處理的耗時(shí)量大,會(huì)影響診斷速度和快速故障恢復(fù)處理。另外正常運(yùn)行時(shí)某些線路潮流值小,接近于0(如線路輕載運(yùn)行),故用潮流來判斷故障,也不能保證診斷的準(zhǔn)確性。所以電力系統(tǒng)故障診斷用傳統(tǒng)的數(shù)學(xué)方法,因系統(tǒng)規(guī)模、復(fù)雜程度和不確定因素等的限制,系統(tǒng)故障診斷難以達(dá)到理想的效果。
  由于電力系統(tǒng)的整個(gè)故障過程難以用數(shù)學(xué)模型來進(jìn)行描述,而AI善于模擬人類分析和處理問題的智能行為,適宜對(duì)難以用數(shù)學(xué)模型分析和求解問題的研究,所以AI技術(shù)的發(fā)展為FD-PS的研究開辟了新途徑和新方法。近十幾年來,國內(nèi)外將AI技術(shù)用于電力系統(tǒng)的研究已有不少,并取得了有成效的研究成果,且已有部分成果在實(shí)際中得到了應(yīng)用[1~3],但轉(zhuǎn)成商用化的數(shù)量與研究數(shù)量相比實(shí)在是太少了,因此在新的世紀(jì)中,應(yīng)致力于將AI的研究推廣應(yīng)用到實(shí)際中,作為進(jìn)一步研究的目標(biāo)。
  本文對(duì)國內(nèi)外已研究的智能型FD-PS作全面分析和歸納,主要對(duì)ES、ANN、FST、GA及Petri網(wǎng)絡(luò)等技術(shù)在FD-PS中應(yīng)用研究進(jìn)行全面的概述,并在此基礎(chǔ)上用實(shí)用化的觀點(diǎn)來分析它們在FD-PS中應(yīng)用的特點(diǎn)以及存在的主要問題,對(duì)智能技術(shù)在FD-PS中的發(fā)展趨勢進(jìn)行了探討。

2 基于ES原理的電力系統(tǒng)故障診斷[4~20]
  ES[4~6]是發(fā)展最早,也是比較成熟的AI分支之一,它與知識(shí)工程研究緊密聯(lián)系在一起。在ES構(gòu)造中,它必須涉及所研究問題領(lǐng)域的知識(shí)表達(dá)方式,知識(shí)處理與知識(shí)運(yùn)用方面的理論和方法。ES不僅是融合了書本相關(guān)的理論知識(shí)來處理各種定性的問題,而且還可總結(jié)和利用專家的經(jīng)驗(yàn)知識(shí)(或稱啟發(fā)式知識(shí))來求解問題。它不僅可解決那些依靠解析方法不能解決的問題,也可使所求解問題的知識(shí)搜索和推理范圍縮小,提高問題求解速度和推理效率;另外ES的解釋模塊能夠?qū)ν评硭玫闹R(shí)、推理過程及結(jié)論進(jìn)行解釋。在電力系統(tǒng)中,ES在故障診斷和恢復(fù)處理方面的研究較多,可根據(jù)ES知識(shí)表達(dá)方式和推理機(jī)結(jié)構(gòu)的不同對(duì)ES進(jìn)行劃分。
  在電力系統(tǒng)故障診斷的ES中,常用的知識(shí)表達(dá)方式有:基于謂詞邏輯表示法,基于產(chǎn)生式規(guī)則表示法,基于過程式知識(shí)表示法,基于框架式表示法,基于知識(shí)模型表示法和基于面向?qū)ο蟊硎痉ā?shí)質(zhì)上后兩種是由于計(jì)算機(jī)和語言技術(shù)、智能技術(shù)的發(fā)展而形成的,它們是在前三種基礎(chǔ)上的新形式和新結(jié)構(gòu)。對(duì)它們在電力系統(tǒng)故障診斷應(yīng)用的特性分析如下:
  謂詞邏輯法是一種較早的知識(shí)描述方法之一。文獻(xiàn)[7]提出利用保護(hù)和斷路器信息來構(gòu)造知識(shí)庫,文中使用Prolog語言用謂詞邏輯構(gòu)造三個(gè)知識(shí)庫:1)描述電力系統(tǒng)結(jié)構(gòu)、保護(hù)和斷路器動(dòng)作關(guān)系及斷路器的狀態(tài)方面的知識(shí);2)描述保護(hù)原理方面的知識(shí);3)描述故障位置的規(guī)則和啟發(fā)性知識(shí)。它根據(jù)故障設(shè)備與保護(hù)、斷路器的信息關(guān)系,采用反向推理,實(shí)現(xiàn)多重故障、保護(hù)和斷路器誤動(dòng)、拒動(dòng)診斷的功能。但謂詞邏輯僅僅依據(jù)形式邏輯進(jìn)行,推理過程太冗長,效率低;不便于加入啟發(fā)性知識(shí);靈活性差。故其應(yīng)用范圍受限制。
  在FD-PS中,由于各種保護(hù)的動(dòng)作邏輯,保護(hù)與斷路器之間的因果關(guān)系易于用模塊化的規(guī)則集表示,故不少ES采用產(chǎn)生式規(guī)則來描述知識(shí)[8,9]。文獻(xiàn)[8]則根據(jù)診斷的對(duì)象不同,將診斷規(guī)則知識(shí)庫分為兩類:一類屬于對(duì)保護(hù)和斷路器進(jìn)行評(píng)價(jià)的規(guī)則庫;另一類則是輸電線、變壓器、母線診斷的知識(shí)庫。當(dāng)發(fā)生故障時(shí),將事故信息與相應(yīng)的規(guī)則庫相匹配,得出故障結(jié)果;诋a(chǎn)生式規(guī)則的知識(shí)表示結(jié)構(gòu)便于增加、刪除或修改一些規(guī)則。它適宜于表示因果關(guān)系的知識(shí),但難于描述電力系統(tǒng)結(jié)構(gòu)性的知識(shí),且這種知識(shí)表達(dá)方式對(duì)層次性、繼承性知識(shí)的表達(dá)能力較差,降低了推理的效率。
  基于框架理論表示法是將概念性和經(jīng)驗(yàn)性的知識(shí)事例、事件細(xì)節(jié),用類似框架的通用數(shù)據(jù)結(jié)構(gòu)描述的一種結(jié)構(gòu)化知識(shí)表達(dá)方式。由于電力系統(tǒng)中網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,設(shè)備之間存在各種拓?fù)潢P(guān)聯(lián)和電氣關(guān)聯(lián),宜于用框架結(jié)構(gòu)來描述[5~6,10~11]。文獻(xiàn)[10~11]通過線路框架表示廠站和廠站的連接關(guān)系,形成框架網(wǎng)絡(luò),將電網(wǎng)的整個(gè)拓?fù)浣Y(jié)構(gòu)知識(shí)清晰描述?蚣芸伸`活的形成層次關(guān)系,繼承屬性使表達(dá)簡單,簡化復(fù)雜的推理知識(shí),其缺點(diǎn)是不善于表達(dá)過程性的知識(shí)。
  基于知識(shí)模型表示法[12,13]用“與,或”邏輯元代替?zhèn)鹘y(tǒng)的經(jīng)驗(yàn)啟發(fā)式規(guī)則來表示各電力系統(tǒng)設(shè)備內(nèi)在功能,各設(shè)備與各種輸入信息間的物理連接關(guān)系,構(gòu)造被診斷系統(tǒng)內(nèi)各種設(shè)備的知識(shí)邏輯模型。這種表達(dá)方式描述了對(duì)象的整個(gè)邏輯推理的過程,就相當(dāng)于過程式知識(shí)描述,不同處是根據(jù)信息的具體情況嵌入相應(yīng)的邏輯運(yùn)算,使整體概念和行為更清晰。文獻(xiàn)[12]是通過用“與,或”邏輯元表示斷路器與保護(hù)之間多重性關(guān)系,并將它們有序連接構(gòu)成所要診斷的電力系統(tǒng)“前向”邏輯電路模型。當(dāng)發(fā)生事故時(shí),根據(jù)所得到事故信息輸入電路模型,再由電路模型的輸出與實(shí)際斷路器的狀態(tài)相比較,最后給出診斷結(jié)果或相應(yīng)的診斷假設(shè)進(jìn)行進(jìn)一步的推理;谥R(shí)模型表示法是將電力設(shè)備表示為等效的邏輯元件,它是局部的整體性,缺乏整個(gè)ES的通用性及層次性,并對(duì)診斷假設(shè)的驗(yàn)證推理增加了復(fù)雜性。
  面向?qū)ο蟮闹R(shí)表達(dá)方法是隨著面向?qū)ο蠹夹g(shù)和語言而推出的。將研究問題抽象為類,將類實(shí)例化為對(duì)象,通過采用繼承和封裝技術(shù),減少了知識(shí)表達(dá)的冗余性和易于知識(shí)庫修改[14~16]。文獻(xiàn)[15]通過分析被診斷系統(tǒng)每個(gè)組成設(shè)備的屬性,用不同層次類來描述相應(yīng)的電網(wǎng)組成設(shè)備,并由對(duì)象的實(shí)體來描述整個(gè)電網(wǎng)在故障情況下它們的動(dòng)態(tài)可能行為。在此基礎(chǔ)上將推理機(jī)的診斷過程用面向?qū)ο蠹夹g(shù)進(jìn)行處理。這種知識(shí)表示方法在本質(zhì)上與框架式表示法沒有質(zhì)的區(qū)別,但由于面向?qū)ο蠹夹g(shù)和語言的發(fā)展而賦予新的定義,使其在表達(dá)方式上更簡潔、清晰。同時(shí)將框架理論的優(yōu)點(diǎn)更充分的發(fā)揮,特別是對(duì)邏輯推理過程的適應(yīng)能力增強(qiáng)。
  在電力系統(tǒng)故障診斷的ES中,常用的推理機(jī)制可以劃歸為正向推理、反向推理、正反向混合推理三種基礎(chǔ)推理結(jié)構(gòu)。
  文獻(xiàn)[17]輸電線路故障診斷中采用正向推理。根據(jù)系統(tǒng)發(fā)生故障時(shí),跳閘的斷路器和動(dòng)作的保護(hù)信息作為驅(qū)動(dòng)輸入,按照知識(shí)指導(dǎo)的推理策略調(diào)動(dòng)知識(shí)庫在相關(guān)空間中規(guī)則,搜索求得故障診斷的結(jié)果(由網(wǎng)絡(luò)結(jié)構(gòu)信息、斷路器狀態(tài)、斷路器與保護(hù)裝置的連接和保護(hù)系統(tǒng)的屬性等組成)。當(dāng)規(guī)則的條件部分與診斷輸入信息相匹配,就將該規(guī)則作為可用規(guī)則放入候選隊(duì)列中,再通過沖突消解,將其作為進(jìn)一步推理的證據(jù)直至得到診斷結(jié)果。
  反向推理首先提出假設(shè),然后尋找支持該假設(shè)的證據(jù),若所需證據(jù)都能夠找到,則表明該假設(shè)成立,反之假設(shè)不成立[7]。這種推理方法極少單獨(dú)在FD-PS中使用,而是與前向推理相結(jié)合,用于構(gòu)造正反向混合推理[18~20]。文獻(xiàn)[18]中對(duì)輸電線和配電網(wǎng)報(bào)警處理和故障診斷ES的推理機(jī)是采用基于正反向混合推理機(jī)結(jié)構(gòu),首先根據(jù)跳閘斷路器的保護(hù)信息進(jìn)行初步推理,得到故障設(shè)備的假設(shè)。根據(jù)所得假設(shè),再用斷路器和保護(hù)設(shè)備之間的邏輯規(guī)則進(jìn)行反向推理,驗(yàn)證假設(shè)的故障設(shè)備的正確性,有效的縮小查找故障范圍。
  綜上所述,基于ES技術(shù)的電力系統(tǒng)故障診斷系統(tǒng)的研究已有近20年的歷史。隨著計(jì)算機(jī)和語言技術(shù)、智能技術(shù)的發(fā)展,使知識(shí)表達(dá)形式和結(jié)構(gòu)也隨之有所相應(yīng)的變化,在知識(shí)獲取和構(gòu)造方面有很多的改進(jìn),其發(fā)展的趨勢是力圖使知識(shí)獲取、知識(shí)表達(dá)工作簡化,進(jìn)而使故障診斷的推理效率得到提高。但ES基于知識(shí)實(shí)現(xiàn)故障診斷的推理邏輯過程原理是不變的,因此,在實(shí)際應(yīng)用中的某些缺陷仍不能忽視。
  1)在電力系統(tǒng)故障診斷ES研究中,知識(shí)獲取的工作一直給予研究者很大的壓力。如何更有效、更全面的獲取專家知識(shí),是構(gòu)造一個(gè)完備的ES的診斷系統(tǒng)不得不必須面對(duì)的難題。
  2)ES的知識(shí)表達(dá):知識(shí)表達(dá)方式和知識(shí)構(gòu)造質(zhì)量是ES成功的關(guān)鍵;專業(yè)知識(shí)和專家啟發(fā)性知識(shí)轉(zhuǎn)化和形成完備的知識(shí)庫仍是故障診斷ES的瓶頸;知識(shí)庫的可維護(hù)性也是極其重要的,知識(shí)庫不完整或不一致可能導(dǎo)致ES推理混亂并得出錯(cuò)誤的結(jié)論。
  3)ES的高容錯(cuò)性推理:無論何種知識(shí)表達(dá)方式,當(dāng)發(fā)生故障時(shí),都是依據(jù)故障信息所對(duì)應(yīng)知識(shí)庫進(jìn)行樹圖的搜索。而知識(shí)庫是建立在診斷問題所對(duì)應(yīng)的知識(shí)樹,它是按預(yù)先領(lǐng)域知識(shí)構(gòu)造成的組合固定的樹,而并非是任意組合的,其自學(xué)習(xí)能力是極有限的。但實(shí)際中的FD-PS問題所依據(jù)的故障信息都屬于實(shí)時(shí)信息,在現(xiàn)實(shí)的環(huán)境中,信息在形成和傳遞過程中發(fā)生信息畸變的可能性是不可避免的,易出現(xiàn)知識(shí)庫沒有涵蓋的新故障情況。會(huì)使得基于知識(shí)推理ES陷入無窮遞歸,無法求解或得出錯(cuò)誤解。故ES的容錯(cuò)能力較差,這是用于實(shí)時(shí)ES的最大局限性。
  因此,將具有自學(xué)習(xí)和聯(lián)想功能的ANN,基于FST的不確定性推理與ES技術(shù)相結(jié)合,是近年來ES發(fā)展的主要趨勢。

3 基于ANN原理的電力系統(tǒng)故障診斷[21~46]
  ANN也是AI技術(shù)的一個(gè)重要分支,基于ANN原理的FD-PS與基于ES原理的FD-PS相比,其最大的特點(diǎn)是不需要為專業(yè)知識(shí)與專家啟發(fā)性的知識(shí)轉(zhuǎn)化、知識(shí)形成、知識(shí)表達(dá)方式和知識(shí)庫構(gòu)造作大量工作,而只需以領(lǐng)域?qū)<宜峁┑拇罅亢统浞值墓收蠈?shí)例,形成故障診斷ANN模型的訓(xùn)練樣本集,運(yùn)用一定的學(xué)習(xí)算法對(duì)樣本集進(jìn)行訓(xùn)練。通過有導(dǎo)師監(jiān)督的訓(xùn)練學(xué)習(xí)使ANN實(shí)現(xiàn)知識(shí)的自我組織,自我學(xué)習(xí)能力。經(jīng)學(xué)習(xí)后,在神經(jīng)元及它們之間的有向權(quán)重連接中蘊(yùn)涵了處理問題的知識(shí),即它的知識(shí)表達(dá)不同于ES的顯形表達(dá),是隱式的并具有一定的聯(lián)想和泛化能力;對(duì)已訓(xùn)練的ANN模型,由于問題的求解就蘊(yùn)涵于ANN的權(quán)值中,因此它的推理也是隱式的,執(zhí)行計(jì)算速度很快。由于ANN具有強(qiáng)的自組織、自學(xué)習(xí)能力,魯棒性高,免去推理機(jī)的構(gòu)造,且推理速度與規(guī)模大小無明顯的關(guān)系[21~24],很快引起人們的重視,使得基于ANN的故障診斷的研究也日益廣泛。ANN除在電力系統(tǒng)故障診斷中的應(yīng)用外,在故障定位和故障類型識(shí)別等方面也有不少的應(yīng)用。
  文獻(xiàn)[25]提出基于BP算法FNN模型,對(duì)電力系統(tǒng)故障診斷作了初步的研究。為了克服BP算法訓(xùn)練速度慢,陷入局部最小可能的缺點(diǎn),文獻(xiàn)[26]用附加動(dòng)量因子BP算法對(duì)一個(gè)小型的電網(wǎng)模型結(jié)構(gòu)進(jìn)行診斷,并對(duì)改進(jìn)BP算法中動(dòng)量因子的取值,F(xiàn)NN的隱層節(jié)點(diǎn)個(gè)數(shù)和層數(shù)對(duì)診斷性能的影響進(jìn)行了分析。
  文獻(xiàn)[27]使用局部逼近的徑向基函數(shù)NN(RBF-NN)實(shí)現(xiàn)對(duì)電力系統(tǒng)的故障診斷,通過對(duì)一個(gè)小規(guī)模的網(wǎng)絡(luò)結(jié)構(gòu),對(duì)基于BP-FNN、RBF-NN及自適應(yīng)RBF-NN三種故障模型算法進(jìn)行仿真對(duì)比,它們均以輸電網(wǎng)絡(luò)中設(shè)備的保護(hù)和斷路器的狀態(tài)作為輸入,可能的故障位置作為輸出,以0,1邏輯值表示輸入、輸出元素激活與否。基于徑向基函數(shù)的NN學(xué)習(xí)收斂速度比較快,泛化能力比常規(guī)的BP-FNN更好,但相應(yīng)的應(yīng)用條件也比較嚴(yán)格。
  FD-PS所依據(jù)的是實(shí)時(shí)故障信息,在信息畸變的情況,盡管FNN具有一定的泛化能力,但仍存在容錯(cuò)性的問題。為提高基于ANN的FD-PS的容錯(cuò)性,文獻(xiàn)[28]利用NN組合模型來提高FD-PS的容錯(cuò)性,文中模仿ES推理方式建立了正、反向推理的FDNN和BTNN,評(píng)定CNN的組合。它們中各個(gè)NN又按故障的類別組合劃分成幾個(gè)相應(yīng)的子NN。其中各FDNNi都接收保護(hù)信息和斷路器的狀態(tài)作為輸入,以表示故障位置(設(shè)備類型、編號(hào))和故障類型的故障編碼為輸出。而BTNNi的輸入、輸出是與FDNNi正好相反,即是FDNN的逆映射。各相應(yīng)的評(píng)定CNNi是故障編碼與主、后備保護(hù)之間的關(guān)聯(lián)。該系統(tǒng)可通過正向、反向NN的相互校核,對(duì)某些錯(cuò)誤信息能鑒別,因此對(duì)診斷系統(tǒng)的容錯(cuò)性能有一定程度的改善。但該方法使系統(tǒng)的復(fù)雜性增加,特別是電力系統(tǒng)規(guī)模大時(shí),問題更突出。文獻(xiàn)[29]提出用Boltzmann機(jī)和BP-NN模型組合進(jìn)行故障診斷,將正常的報(bào)警模式存儲(chǔ)于Boltzmann機(jī)中,當(dāng)故障發(fā)生時(shí),首先將利用Boltzmann機(jī)對(duì)實(shí)時(shí)故障信息進(jìn)行糾錯(cuò)處理,再將糾錯(cuò)處理后的輸出作為診斷BP-NN模型的輸入進(jìn)行故障診斷。這樣可在一定程度上實(shí)現(xiàn)對(duì)錯(cuò)誤信息的糾錯(cuò),從而提高診斷的容錯(cuò)性。
  針對(duì)大規(guī)模電網(wǎng)故障診斷使得NN模型結(jié)構(gòu)規(guī)模擴(kuò)大而導(dǎo)致NN訓(xùn)練和應(yīng)用的復(fù)雜性,有學(xué)者研究提出建立分層分布式的NN群組來解決[30~31]此類問題。文獻(xiàn)[30]是根據(jù)電網(wǎng)結(jié)構(gòu)分區(qū)結(jié)構(gòu),利用決策樹推導(dǎo)構(gòu)造形成分布式NN診斷群組,將各分布NN的結(jié)果綜合起來得出故障診斷結(jié)論。文獻(xiàn)[31]除基于知識(shí)模型組成分布式NN外,還根據(jù)高壓網(wǎng)絡(luò)保護(hù)的層次性,同時(shí)還隱含了動(dòng)作的時(shí)間序列,在此基礎(chǔ)上提出了具時(shí)空特性的分層分布式的NN群組來構(gòu)造一個(gè)完整的高壓輸電線路故障診斷系統(tǒng)。
  在已研究的基于BP-NN的電力系統(tǒng)故障診斷中,大多數(shù)的研究更強(qiáng)調(diào)如何提高學(xué)習(xí)算法的收斂速度,克服陷入局部極小點(diǎn),提高精度;或者根據(jù)研究目標(biāo)的需要改變ANN模型結(jié)構(gòu),通過對(duì)ANN的知識(shí)分層分布存儲(chǔ)來提高和改善NN泛化能力,聯(lián)想記憶性能,在此同時(shí)也改善了容錯(cuò)性能。但是明顯的缺乏對(duì)影響ANN容錯(cuò)性的因素和如何提高ANN容錯(cuò)性能的系統(tǒng)性的研究。
  從以上對(duì)基于ES、ANN的FD-PS問題的分析和討論可知,它們都有各自的不足。所以在研究具體問題時(shí),根據(jù)需要可以將兩者結(jié)合,解決問題的不同方面[32~33],可以達(dá)到取長補(bǔ)短的效果。文獻(xiàn)[32]用NN實(shí)現(xiàn)知識(shí)獲取、知識(shí)表示、推理和知識(shí)維護(hù),將故障診斷的知識(shí)隱含于ANN的連接權(quán)矩陣中,將實(shí)時(shí)信息作為ANN輸入信息進(jìn)行推理。但在某些特殊結(jié)構(gòu)化的推理過程中,由NN來處理會(huì)導(dǎo)致結(jié)構(gòu)比效繁瑣,這時(shí)候由ES來處理可大大地簡化知識(shí)推理。另外,由ES構(gòu)造解釋模塊來實(shí)現(xiàn)解釋較為方便,更提高系統(tǒng)的透明度。這樣就將ES的解釋推理能力與ANN的快速執(zhí)行和學(xué)習(xí)能力有機(jī)的結(jié)合起來。文獻(xiàn)[33]提出利用一組BP-NN模型和ES進(jìn)行報(bào)警處理,其中每個(gè)BP-NN模型負(fù)責(zé)識(shí)別單個(gè)變電站或某區(qū)段的故障,而由ES根據(jù)故障信號(hào)確定調(diào)用相應(yīng)的BP-NN診斷模型對(duì)故障進(jìn)行處理,這樣還可以利用ES依次調(diào)用相關(guān)的NN模型而達(dá)到識(shí)別系統(tǒng)中發(fā)生多重故障的情況。
  綜上分析ANN在故障診斷中應(yīng)用的局限性為:1)對(duì)于有導(dǎo)師學(xué)習(xí)的ANN模型,具有較好的內(nèi)插結(jié)果和相應(yīng)的聯(lián)想容錯(cuò)能力。但ANN外推時(shí)誤差較大,難以保證解的準(zhǔn)確度和容錯(cuò)性能。因此,要確保具有全面的、代表性的樣本集提供給ANN訓(xùn)練學(xué)習(xí),它們是保證和提高ANN容錯(cuò)性能的一個(gè)最基本的因素;2)系統(tǒng)結(jié)構(gòu)發(fā)生變化,則有可能需要改變ANN的組成結(jié)構(gòu),或增加新的樣本重新學(xué)習(xí)獲得新知識(shí);3)ANN難以實(shí)現(xiàn)基于結(jié)構(gòu)化知識(shí)的邏輯推理;4)缺乏解釋能力,診斷結(jié)果不易于運(yùn)行人員理解。另外,如何確保ANN訓(xùn)練時(shí)收斂的快速性和避免陷入局部最小,也是每一個(gè)基于ANN的診斷系統(tǒng)必須面對(duì)的問題。

4 基于FST的電力系統(tǒng)故障診斷[34~42]
  FST是L.A.Zadeh教授于1965年創(chuàng)立的模糊集合理論基礎(chǔ)上發(fā)展起來[34~35],它突破了經(jīng)典集合用0和1表示非此即彼的清晰概念,而采用模糊隸屬度的概念來描述不精確的、不確定事件與現(xiàn)象,并引入語言變量和近似推理的模糊邏輯,來表述專家的經(jīng)驗(yàn)知識(shí)。FST經(jīng)過多年的研究,已成為具有完整推理體系的人工智能技術(shù)之一。在電力系統(tǒng)故障診斷系統(tǒng)中,根據(jù)具體知識(shí)表達(dá)或推理的需要引入FST,使得精確推理相應(yīng)轉(zhuǎn)換為近似推理,在一定程度上也提高了故障診斷系統(tǒng)的容錯(cuò)性。FST與其它AI技術(shù)相結(jié)合(如ES、ANN、GA等)相互滲透,取長補(bǔ)短。FST的加入,使各相應(yīng)智能診斷系統(tǒng)在電力系統(tǒng)故障診斷在分析不確定因素問題上原理更成熟,技術(shù)更完善,而性能得到相應(yīng)的提高。
  FST在電力系統(tǒng)故障診斷的應(yīng)用中分兩類情況:第一類認(rèn)為診斷所依據(jù)的信息正確,但故障與對(duì)應(yīng)的動(dòng)作保護(hù)裝置和斷路器狀態(tài)之間存在不確定的關(guān)聯(lián)關(guān)系,用模糊隸屬度來對(duì)這種可能性進(jìn)行描述的度量;另一類則是認(rèn)為診斷所依據(jù)的報(bào)警信息的可信度不為1,,而根據(jù)系統(tǒng)網(wǎng)絡(luò)拓?fù)渑c故障所發(fā)生動(dòng)作保護(hù)、斷路器狀態(tài)賦予報(bào)警信息的可信度,再由ES或ANN給出故障診斷結(jié)果的模糊輸出。文獻(xiàn)[36]屬前一類,認(rèn)為故障與動(dòng)作的保護(hù)裝置之間,動(dòng)作的保護(hù)裝置與所控制的斷路器之間可以存在不確定的關(guān)聯(lián)關(guān)系,可用模糊數(shù)學(xué)來描述它們之間的關(guān)聯(lián)關(guān)系。根據(jù)可能的故障,可尋找由故障點(diǎn)到報(bào)警信息可能的通路,再尋找故障點(diǎn)與可能動(dòng)作的保護(hù)裝置之間,動(dòng)作的保護(hù)裝置與可控制的斷路器之間關(guān)聯(lián)關(guān)系合成總的模糊度,用以表示故障診斷位置可能性的度量。
  文獻(xiàn)[37~42]屬后一類,它先對(duì)診斷模型所依據(jù)的輸入信息模糊化,即認(rèn)為系統(tǒng)的輸入報(bào)警信息的可信度不為1。它是根據(jù)輸電網(wǎng)絡(luò)拓?fù)洚?dāng)前情況,對(duì)保護(hù)、斷路器動(dòng)作行為的統(tǒng)計(jì)數(shù)據(jù)賦予報(bào)警信息可信度,通過ANN或ES診斷模型輸出模糊數(shù),再由反模糊系統(tǒng)去解釋其輸出,提供給運(yùn)行人員一個(gè)語言化的結(jié)論。
  根據(jù)模糊系統(tǒng)具體應(yīng)用的分析結(jié)果,得出尚須深入研究的問題:1)對(duì)不確定性問題用隸屬度函數(shù)來描述時(shí),應(yīng)建立什么樣的隸屬函數(shù)是極其關(guān)鍵的問題,須在足夠經(jīng)驗(yàn)和實(shí)驗(yàn)的基礎(chǔ)上,有效地建立隸屬函數(shù);2)研究診斷系統(tǒng)的結(jié)構(gòu)、設(shè)備或自動(dòng)裝置的配置發(fā)生變化時(shí),與之有關(guān)的模糊知識(shí)庫或規(guī)則的模糊度也要相應(yīng)的修改,即也存在可維護(hù)性問題;3)電力系統(tǒng)故障診斷的不確定性情況是多種多樣的,并非是固定不變的,取決于系統(tǒng)中硬件裝置的可靠性(如斷路器跳閘誤跳或拒跳),診斷系統(tǒng)所依據(jù)的實(shí)時(shí)信息的可信度(如實(shí)時(shí)信息在傳遞中出現(xiàn)的畸變可能性與環(huán)境有關(guān))等因素。顯然,F(xiàn)T對(duì)不確定因素的處理只能是有限度的改進(jìn)。

5 基于GA的電力系統(tǒng)故障診斷[43~49]
  GA是建立在Darwin自然選擇和Mendel遺傳學(xué)說基礎(chǔ)上,通過模仿生物遺傳和進(jìn)化的進(jìn)程,尋求對(duì)復(fù)雜問題的全局最優(yōu)解的優(yōu)化算法。它按一定規(guī)則對(duì)問題解進(jìn)行字符串編碼,模擬人工染色體表示某優(yōu)化問題的可行解,用隨機(jī)方法形成初始解群,再按自然選擇的原理,通過群體搜索策略和遺傳操作,對(duì)群體中個(gè)體之間的信息交換,使得GA不易陷入局部極小點(diǎn),能夠以很大概率得到全局最優(yōu)解集或局部最優(yōu)解集。與傳統(tǒng)優(yōu)化技術(shù)不同,GA對(duì)待求解問題不需涉及常規(guī)優(yōu)化問題求解的復(fù)雜數(shù)學(xué)過程;同時(shí)GA也不需要直接對(duì)知識(shí)規(guī)則和訓(xùn)練樣本選擇處理,這是它和基于ES、NN診斷系統(tǒng)相比的最大優(yōu)勢之處。
  文獻(xiàn)[43]研究用GA解決輸電網(wǎng)絡(luò)故障診斷問題。文章根據(jù)各類保護(hù)動(dòng)作時(shí)段內(nèi)斷路器動(dòng)作的時(shí)序信息,從而將輸電網(wǎng)絡(luò)故障診斷問題轉(zhuǎn)化為0-1整數(shù)規(guī)劃問題,建立了GA的電力系統(tǒng)故障診斷的適應(yīng)度函數(shù)模型,實(shí)現(xiàn)任意復(fù)雜的故障情況下的故障診斷。
  文獻(xiàn)[44]用無源信息識(shí)別故障區(qū)域的方法,將故障診斷問題局限于小的局部網(wǎng)絡(luò),在此基礎(chǔ)上分別用Boltzmann機(jī)法、模擬退火法、簡單的和高級(jí)的GA實(shí)現(xiàn)了故障診斷系統(tǒng),驗(yàn)證了對(duì)交叉和變異算子做過調(diào)整的高級(jí)GA在診斷信息不完整的情況下,可以有效的找到全局最優(yōu)解,得到比較理想故障診斷效果。
  用GA從優(yōu)化的角度解決故障診斷問題,它能夠在診斷信息不完整的情況下給出全局最優(yōu)或局部最優(yōu)的多個(gè)可能的診斷結(jié)果。但在診斷所依據(jù)的信息發(fā)生畸變,出現(xiàn)復(fù)雜的故障模式的時(shí)候,也難以保證診斷結(jié)果的可靠性。因此如何根據(jù)被診斷對(duì)象特征,建立能保證高容錯(cuò)性能故障診斷適應(yīng)度函數(shù),以及如何確定迭代操作結(jié)束的準(zhǔn)則和保證最終的結(jié)果為最優(yōu)解或近似最優(yōu)解。這些問題是基于GA應(yīng)用中需要深入研究的內(nèi)容。

6 基于Petri網(wǎng)絡(luò)的電力系統(tǒng)故障診斷[50~56]
  Petri網(wǎng)絡(luò)(Petri net)是由德國數(shù)學(xué)家C.A.Petri于1960~1965年提出的一種通用的數(shù)學(xué)模型[50],是在構(gòu)造有向圖的組合模型的基礎(chǔ)上,形成可用矩形運(yùn)算所描述的嚴(yán)格定義的數(shù)學(xué)對(duì)象。Petri網(wǎng)分析方法既可用于靜態(tài)的結(jié)構(gòu)分析,又可用于動(dòng)態(tài)的行為分析。它以研究系統(tǒng)的組織結(jié)構(gòu)和動(dòng)態(tài)行為為目標(biāo),能夠?qū)ο到y(tǒng)中同時(shí)發(fā)生,次序發(fā)生或循環(huán)發(fā)生的各種活動(dòng)過程進(jìn)行定性或者定量的分析。所以Petri網(wǎng)絡(luò)是離散事件動(dòng)態(tài)系統(tǒng)建模和分析的理想工具。
  電力系統(tǒng)故障屬于一個(gè)離散事件的動(dòng)態(tài)系統(tǒng),由系統(tǒng)中各級(jí)電壓、各類保護(hù)動(dòng)作反映故障,并把切除故障的過程看作一系列事件活動(dòng)的組成,而事件序列與相應(yīng)實(shí)體聯(lián)系在一起。動(dòng)態(tài)事件主要包括實(shí)體活動(dòng)(如斷路器、繼電保護(hù)、自動(dòng)裝置等)和信息流活動(dòng)(如信號(hào)的傳遞,控制指令發(fā)送,各監(jiān)測信號(hào)流等)。鑒于電力系統(tǒng)故障動(dòng)態(tài)過程描述的可行性,可確定用Petri網(wǎng)去構(gòu)造電力系統(tǒng)診斷模型。
    文獻(xiàn)[51]以輸電網(wǎng)絡(luò)中的設(shè)備為單位,首先研究了故障“切除”過程的Petri網(wǎng)絡(luò)模型,進(jìn)而對(duì)故障診斷的Petri網(wǎng)絡(luò)模型求解。整個(gè)系統(tǒng)的物理概念清晰,數(shù)學(xué)求解速度快適宜實(shí)時(shí)性診斷。文中還分析了保護(hù)、斷路器不正確動(dòng)作對(duì)Petri網(wǎng)絡(luò)模型的影響,并分別給出了識(shí)別保護(hù)和斷路器不正確動(dòng)作的模塊。對(duì)IEEE118節(jié)點(diǎn)系統(tǒng)的測試結(jié)果表明,Petri網(wǎng)絡(luò)是一種比較有潛力的模型。但文中對(duì)保護(hù)多重性配置,時(shí)間差異,性能發(fā)生變化都未深入討論,它也正是基于Petri網(wǎng)絡(luò)原理存在的局限性。
  文獻(xiàn)[52]文中提出嵌入冗余Petri網(wǎng)方法,它是在原考慮的故障類型Petri網(wǎng)的基礎(chǔ)上加入錯(cuò)誤伴隨式矩陣C。其目的是要解決由于網(wǎng)絡(luò)中事件序列和信息流不正常時(shí)(如保護(hù)或斷路器的拒動(dòng)等)的故障診斷。采用差錯(cuò)控制編碼技術(shù)構(gòu)造C矩陣,但它必須是在預(yù)先設(shè)想的前提下構(gòu)造,而不能自動(dòng)構(gòu)造,并且構(gòu)造復(fù)雜,工作量大。而在實(shí)際系統(tǒng)中,故障診斷所依據(jù)信息的畸變是不確定的,所以它的容錯(cuò)能力是有限的,該類問題與ES差不多。
  對(duì)大規(guī)模電網(wǎng)基于Petri網(wǎng)模型建模時(shí),因設(shè)備增加和網(wǎng)絡(luò)擴(kuò)大會(huì)出現(xiàn)狀態(tài)的組合爆炸,且基本的Petri網(wǎng)不能描述時(shí)間特征要求高的行為特征,因此在復(fù)雜系統(tǒng)建模時(shí),需要采用高級(jí)的Petri網(wǎng),如謂詞/變遷網(wǎng),有色時(shí)間網(wǎng)等。

7 基于Agent技術(shù)的電力系統(tǒng)故障診斷[89~95]
  人工智能技術(shù)研究的不斷發(fā)展為故障診斷開辟新途徑和新方法提供了可能性。分布式人工智能是在傳統(tǒng)AI的基礎(chǔ)上發(fā)展起來的,主要研究在邏輯上或物理上分散的智能系統(tǒng)如何并行的,或相互協(xié)作地進(jìn)行問題的求解。它分為分布式問題求解和多Agent系統(tǒng)兩個(gè)方向,多Agent系統(tǒng)被看作是AI的試驗(yàn)平臺(tái),當(dāng)一個(gè)問題涉及多個(gè)物理或者從邏輯上能形成分解的問題求解實(shí)體,每個(gè)子問題求解實(shí)體僅僅擁有問題求解所需的有限數(shù)據(jù)、信息和資源,不同的子問題求解實(shí)體之間必須相互交互才能最終求解問題。多Agent系統(tǒng)中Agent的自治性以及Agent之間的合作、協(xié)同等特征為這類問題提供了一種自然的建模方式;诙郃gent技術(shù)的應(yīng)用研究開始于上世紀(jì)80年代,近年來在工業(yè)、制造業(yè)、經(jīng)濟(jì)管理、航天業(yè)等領(lǐng)域得到了明顯增長[53~54],成為AI的研究熱點(diǎn)之一。
    基于多Agent技術(shù)也引起了電力系統(tǒng)研究者的關(guān)注[77~79],特別是在近2、3年來,人們嘗試著將多Agent技術(shù)引入電力系統(tǒng)的故障診斷相關(guān)研究和應(yīng)用中。文獻(xiàn)[55]以Agent技術(shù)來實(shí)現(xiàn)故障恢復(fù)系統(tǒng),系統(tǒng)由數(shù)個(gè)母線Agent單元和唯一的一個(gè)在整個(gè)決策過程中充當(dāng)了管理角色的服務(wù)Agent,在服務(wù)Agent的協(xié)調(diào)下,母線Agent單元在故障狀態(tài)下通過與其他的母線Agent單元相互作用、交換、通訊、合作形成多Agent診斷系統(tǒng),得到局部最優(yōu)目標(biāo);文獻(xiàn)[56]建立了基于多Agent的DIAMOND系統(tǒng),將數(shù)個(gè)監(jiān)控系統(tǒng)和診斷系統(tǒng)集為一個(gè)綜合的集散系統(tǒng),簡化了問題的處理過程和增加了系統(tǒng)的開放性。
  從Agent的特點(diǎn)上看,它區(qū)別于傳統(tǒng)智能系統(tǒng)的顯著特征在于它所具備的與其所處環(huán)境,與其它Agent進(jìn)行交互,協(xié)調(diào)和協(xié)作的能力。AI的研究目標(biāo)是認(rèn)識(shí)和模擬人類智能行為,單個(gè)Agent主要用于模擬個(gè)人的智能行為,而多Agent系統(tǒng)則是以模擬人類社會(huì)群體智能行為作為最終目標(biāo),它通過多個(gè)Agent之間的交換或通訊、合作形成了一個(gè)多Agent系統(tǒng)。研究多Agent系統(tǒng)意義下的Agent,實(shí)際是將多個(gè)Agent單元的推理和知識(shí)結(jié)合起來,創(chuàng)建多智能系統(tǒng),以完成對(duì)更復(fù)雜、更大規(guī)模的問題的解決起到重要的作用。

8 基于數(shù)據(jù)挖掘技術(shù)的電力系統(tǒng)故障診斷[57~61]
  數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)的核心技術(shù)——數(shù)據(jù)挖掘(data mining—DM)是近年來國際上較為活躍的研究領(lǐng)域,是人工智能與數(shù)據(jù)庫技術(shù)相結(jié)合的產(chǎn)物。它應(yīng)用一些專門算法從數(shù)據(jù)中抽取出有效的模式,從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律,提取有用知識(shí)。DM出發(fā)點(diǎn)是代替專家從大量的數(shù)據(jù)中挖掘出隱含于其中的知識(shí),它使數(shù)據(jù)存儲(chǔ)技術(shù)進(jìn)入了一個(gè)更高級(jí)的階段。即它不僅利用了數(shù)據(jù)庫的存儲(chǔ)功能,對(duì)過去的數(shù)據(jù)進(jìn)行查詢和遍歷,能回答“什么”(What);還能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系,挖掘出其背后隱藏著的許多重要信息(這些信息是關(guān)于數(shù)據(jù)的整體特征的描述及對(duì)發(fā)展趨勢的預(yù)測,在決策生成的過程中具有重要的參考價(jià)值),從而可很好地支持人們的決策,回答出“為什么”(Why)。DM屬于客觀計(jì)算,只和已知數(shù)據(jù)有關(guān),從而避免了主觀和經(jīng)驗(yàn)因素的影響。因此DM在商業(yè)、工業(yè)領(lǐng)域中已得到了廣泛的應(yīng)用,顯示出了強(qiáng)大的生命力[57~58]。
  已有研究人員開始將DM技術(shù)引入電力系統(tǒng)故障診斷,并取得了一些成功的經(jīng)驗(yàn),利用DM技術(shù)用于決策支持和控制[59,60]。如在常規(guī)的電力系統(tǒng)運(yùn)行模式下,需要依賴經(jīng)驗(yàn)豐富的專家,一旦電力系統(tǒng)發(fā)生故障時(shí),系統(tǒng)中保護(hù)裝置的動(dòng)作信息自動(dòng)傳遞給調(diào)度中心。調(diào)度員則需要根據(jù)經(jīng)驗(yàn)從這些信息中判斷出故障的原因和故障的具體位置,由此來實(shí)施具體的隔離故障和恢復(fù)處理。為了減少損失要在極短時(shí)間內(nèi)完成,這對(duì)調(diào)度員的壓力很大。這種故障處理模式已無法適應(yīng),特別在信息流量龐大的今天。因任何人面對(duì)2000個(gè)/分鐘數(shù)據(jù)流組成的數(shù)據(jù)表都不可能進(jìn)行有效的處理;诖植诩腄M方法具較強(qiáng)的定性分析能力[61],能從給定問題的數(shù)據(jù)分析,通過不可分辨關(guān)系和不可分辨類確定給定問題的近似解,從信息表中去除冗余屬性,獲取該問題的內(nèi)在規(guī)律,即屬性約簡,并能估計(jì)某一屬性的重要程度,得到分類規(guī)則的能力。因此,DM可將每一種狀態(tài)的故障特征提取出來,將其作為調(diào)度人員判斷電力系統(tǒng)處于何種狀態(tài)和如何快速做出故障處理和決策的有力工具。
  DM技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用目前正處于起步階段,解決如何將DM的算法與診斷對(duì)象相結(jié)合,確定出診斷對(duì)象的診斷模型如分類模型、回歸模型、時(shí)間序列模型、聚類模型、關(guān)聯(lián)模型、序列模型及如何將DM與傳統(tǒng)人工智能技術(shù)相結(jié)合,如獲取對(duì)象的模糊隸屬度是值得進(jìn)一步深入研究探討的課題。

9 智能型電力系統(tǒng)故障診斷總結(jié)
  本文對(duì)ES、ANN、模糊邏輯推理、GA等各種人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用進(jìn)行了概括;從實(shí)用化的觀點(diǎn),對(duì)各種算法的適用特點(diǎn)進(jìn)行了分析;并指出了人工智能技術(shù)在電力系統(tǒng)故障診斷發(fā)展的新方向和趨勢。

參考文獻(xiàn)

1 Liu Chen ching,Daniela A Pierce,Song Haili.Intellige-nt system applications to power systems[J].IEEE Computer Applications in Power,1999,10(4):21-24
2 畢天姝,倪以信,楊奇遜.人工智能技術(shù)在輸電網(wǎng)絡(luò)故障診斷中的應(yīng)用述評(píng)[J].電力系統(tǒng)自動(dòng)化,2000,24(25):11-16
3 韓楨祥,文福栓,張琦.人工智能在電力系統(tǒng)中的應(yīng)用[J].電力系統(tǒng)自動(dòng)化,2000,24(2):2-10
4 Dillon T S.Expert System Applications in Power Systems[M].Prentice Hall,1990
5 孫雅明.人工智能基礎(chǔ)[M].北京:水利電力出版社,1992
6 楊以涵等.專家系統(tǒng)及其在電力系統(tǒng)的應(yīng)用[M].北京:水利電力出版社,1995
7 Fukul C,et al.An expert system for fault sectionestimation using information from protective relay and circuit breaker[J].IEEEPWRD,1986,1(4):83-91
8 Shahram B Jadio,Jeyasurya B,Khaparde SA.Powersystem fault diagnosis expert system using PROLOG[C].In:4th IEEE Region 10th International Conference-TENCON'89,1989:778-78
9 Lee Heung Jae,Ahn Bok Shin,Park Young Moon.Afault diagnosis expert system for distributionsubstations[J].IEEE transaction on power delivery,2000,15(1)
10 Zhou Guozhong,Sun Yaming.An expert system forswitching operation planning in a dispatching centre[J].Int.Journal of Engineering Intelligent Systemsfor ElectricalEngineering and communication 1994,2(2):143-150
11 Pietro B,Ulrico C G.Fault diagnosis through historyreconstruction:An application to power transmissionnetworks[J].Expert Systems with Applications,1997,12(1):37-52
12 McArthur S D J,Dysko,et al.The application ofmodel based reasoning within a decision supportsystem for protection engineers[J].IEEETransaction on Power Delivery,1996,11(4):1748-1754
13 Mcarthur SD J.Knowledge and modelbased decisionsupport for power system protection engineers[C].In:Proceedings of International Conference onIntelligent Systems Applications to Power Systems,1996:215-219
14 Xu Kali,Zhou Ming,Ren Jianwen.An object-orientedpower system fault diagnosis expert system[C].In:International Conference on Electrical Engineering,Hong Kong,1999
15 Hasan K,Ramsay B,Moyes I.Object-oriented expertsystem for power system alarm processing and faultidentification[C]:In Mediterranean Electrotechnical Conference-MELECON 3,1994:909-912
16 Chang Shaohung,Lin Muhshenq,et al.Object-oriented expert systems for fault diagnosis[C].In:International Conference on Systems,Man and Cybernetics,1993,5:102-107
17 Esp D G,Cahill E T.A real time expert system forfault diagnosis on a transmission network[C].In:Power System Monitoring and Control,Third International Conference on.IEE Conference Pubilcation n 366,1991:237-240
18 Mcdonald JR,etal.Alarm processing and fault diagn-osis using knowledge based systems for transmissionand distribution network control[J].IEEE PWRS,1992,7(3)
19 Phillip Burrell,Dave Inman.An expert system forthe analysis of faults in an electricity supply network-problems and achievements[J].Journal of Computers in Industry,1998,37:113-123
20 柳青松,夏道止.基于正反向推理的電力系統(tǒng)故障診斷專家系統(tǒng)[J].電網(wǎng)技術(shù),1999,23(9):66-71
21 焦李成.ANN計(jì)算[M].西安:西安電子科技大學(xué),1993
22 焦李成.ANN系統(tǒng)理論[M].西安:西安電子科技大學(xué),1992
23 楊行峻,鄭君里.人工ANN[M].北京:高等教育出版社,1992
24 Mohamed EIS,Dagmar N.Artificialneuralnetworkswith applications to power systems,tutorial courseand video.IEEE Power Engineering Society,IEEENeural Network Council and IEEE EducationalActivities,ISBN:0-7803-4010-8,NTSC Product No.HV6957,Piscataway,NJ,1996
25 Chan EH P.Application ofneural-network computingin intelligent alarm processing[C].In:Proceedings of IEEE Conference PICA,1989:246-251
26 Navarro Victor,et al.Artificial neural networks forpower systems diagnosis[C].In:IEEE InternationalConference on Neural Networks-Conference Proceedings 1994,6:3738-3743
27 Nagabhushana T N,Chandrasekharaiah H S.Faultdiagnosis of electrical power systems usingincremental radial basis function nets[C].In:Proceedings of the International Conference onEnergy Management and Power Delivery,EMPD 1995,2:560-564
28 Amjady N.On-line fault diagnosis of power systemsby a new expert system[C].Canadian Conference onElectrical and Computer Engineering,1998,2:731-733
29 Jongejier A G,etal.Neuralnetwork appllied to alarm processing[C].In:Proc.of ESAP'89,Seattle,1989
30 Yang H T,Chang W Y,Huang C L.Power systemdistributed on-line fault section estimation usingdecision tree based neural nets approach[J].IEEE Transactions on Power Delivery,1995,10(1):540-546
31 Sun Y,Jiang H,Wang D.Fault synthetic recognitionfor an EHV transmission line using a group ofneural networks with a time-space property[J].IEE Procee-dings-Generation,Transmission and Distribution,1998,145(3):265-270
32 Yang H T,Chang W Y,Huang Ch L.On-line faultdiagnosis of power substation using connectionistexpert system[J].IEEE Transactions on Power Systems,1995,10(1):323-331
33 Karunakaran R,et al.Artificial neural network as adispatcher's aid in alarm processing[C].In:Proceedings of the First International Forum onApplications of NeuralNetworks to Power Systems,1991:167-173
34 Momoh JA,Ma X W,Tomsovic K.Overview andliterature survey offuzzy settheory in power systems[J].IEEE Transactions on Power Systems,1995,10(3):1676-1690
35 王平洋,胡兆光.模糊數(shù)學(xué)在電力系統(tǒng)中的應(yīng)用[M].北京:中國電力出版社,1998
36 Cho H J,Park JK.An expertsystem for fault sectiondiagnosis of power systems using fuzzy relations[J].IEEE Transactions on Power Systems,1997,12(1):342-348
37 Monsef H,Ranjbar A M,Jadid S.Fuzzy rule-basedexpert system for power system fault diagnosis[J].IEE Proceedings-Generation,Transmission and Distribution,1997,144(2):186-192
38 Chang C S,Chen JM,Srinivasan D,et al.Fuzzy logicapproach in power system fault section identification[J].IEE Proceedings-Generation,Transmission and Distribution,1997,144(5):406-414
39 Chang C S,Chen JM,Liew A C,etal.Power systemfault diagnosis using fuzzy sets for uncertaintiesprocessing[C].In:Proceedings of 1996 InternationalConference on Intelligent Systems Applications toPower Systems(ISAP'96),Orlando(USA),1996:333-338
40 Tang SK,Dillon T S,Khosla R.Application of anintegrated fuzzy,knowledge-based,connectionistcarchitecture forfaultdiagnosis in powersystems[C].In:Proceedings of 1996 International Conference onIntelligent Systems Applications to Power Systems(ISAP'96),Orlando(USA),1996:188-193
41 Chow M Y,Yee SO,Taylor LS.Recognizing animal-caused faults in power distribution systems usingartificial neural networks[J].IEEE Transactions on Power Delivery,1993,8(3):1268-1273
42 Navarro V,Da Silva A L,Zebulum R S.An integrati-on of neural networks and fuzzy logic for power systems diagnosis[C].In:Proceedings of InternationalConference on Intelligent Systems Applications toPower Systems(ISAP'96),Orlando(USA):1996:237-241
43 文福栓,韓楨祥等.基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與方法第一模型與方法(一)、(二)、(三)[J].電力系統(tǒng)自動(dòng)化學(xué)報(bào),1998,10(3):1-18
44 Wen Fushuan,Han Zhenxiang.A refined genetic algo-rithm for fault section estimation in power systemsusing the time sequence information of circuitbreakers[J].Electric Machines and Power Systems,1996,24:801-815
45 Wen Fushuan,Chang C S.A probabilistic approach toalarm processing in power systems using a refinedgenetic algorithm[C].In:Proceedings ofInternationalConference on Intelligent Systems Applications toPower Systems(ISAP'96),Orlando(USA):1996:14-19
46 Wen Fushuan,Han Zhenxiang.Fault section estimati-on in power systems using a genetic algorithm[J].Electric Power Systems Research,1995,34:165-172
47 文福栓,邱家駒,韓楨祥.利用斷路器信息診斷電力系統(tǒng)故障的高級(jí)遺傳算法[J].電工技術(shù)學(xué)報(bào),1994,11(2):58-64
48 LaiLL,Sichanie A G,Gwyn BJ.Comparison betweenevolutionary programming and a genetic algorithm forfault-section estimation[J].IEE Proceedings-Generation,Transmission and Distribution,1998,145(5):616-620
49 Nagabhushana T N.Chandrasekharaiah H S.Adaptivefault diagnosis of large interconnected powernetworks using genetic algorithms[J].Journal of the Indian Institute of Science,1997,77(1):95-106
50 袁崇義.Petri網(wǎng)原理[M],北京:電子工業(yè)出版社,1998
51 Lo K L,Ng H S,Trecat J.Power systems faultdiagnosis using petri nets[J].IEE Proceedings-Generations,Transmissions and Distributions,1997,144(3):231-236
52 Hadjicostis C N,etal.Power system monitoring usingpetri net embeddings[J].IEE Proceedings-Generation,Transmission and Distribution,2000,147(3):299-303
53 Wooldridge M J,Jennings N R.Intelligent agent:theory and practice[J].Knowledge Engineering Reviewing Review.1995,10(2):115-152
54 吳偉蔚,楊叔子,吳今培.基于智能Agent的故障診斷系統(tǒng)研究[J],模式識(shí)別與人工智能,2000,13(1):78-81
55 Sanz-Bobi M A,et al.Multi-agent environment forintelligent diagnosis in power systems[C].In:IEEE ISAPConference,Budapest,Hungary,2001
56 Mangina E E,et al.Multi-agent system knowledgerepresetation for power plant condition monitoringbased on modallogic[C].In:IEEE ISAPConference,Budapest,Hungary,2001
57 Fu Y.Data mining:tasks,techniques and applications 。跩].IEEEPotentials,1997,16(4):18-20
58 Fayyad U.Data mining and knowledge discovery:making sense out of data[J].IEEE Expert Intell.Systems,1996,11(5):20-25
59 Madan S,Son,Won-Kuk,Bollinger K E.Applicationsof data mining for power systems[C].In:Proceedingsof IEEE Canadian Conference on Electrical and Computer Engineering,1997,2:403-406
60 廖志偉,孫雅明.?dāng)?shù)據(jù)挖掘技術(shù)及其在電力系統(tǒng)中應(yīng)用的綜述.電力系統(tǒng)及其自動(dòng)化,2001,25(11):15-19
61 Zhang Qi,Han Zhenxiang,Wen Fushuan.A newapproach for fault diagnosis in power systems basedon rough set theory[C].In:Proceedings of the 4thInterNational Conference on Advances in Power System Control,Operation and Management,1997

電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)


  本文關(guān)鍵詞:人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用,由筆耕文化傳播整理發(fā)布。



本文編號(hào):139379

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/kejilunwen/rengongzhinen/139379.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶8a0b5***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com
欧美日韩精品人妻二区三区| 欧美日本道一区二区三区| 日本妇女高清一区二区三区| 亚洲欧美日产综合在线网| 2019年国产最新视频| 欧美成人免费一级特黄| 国产精品熟女在线视频| 国产精品久久精品毛片| 日韩精品一区二区毛片| 一区二区三区四区亚洲另类| 少妇人妻中出中文字幕| 日本少妇三级三级三级| 欧美日韩国产欧美日韩| 国产一区二区三区香蕉av| 久久福利视频在线观看 | 东京不热免费观看日本| 国产视频福利一区二区| 日本亚洲欧美男人的天堂| 男女激情视频在线免费观看| 毛片在线观看免费日韩| 国产精品一级香蕉一区| 丝袜诱惑一区二区三区| 97人妻精品一区二区三区免| 美女黄色三级深夜福利| 亚洲男人天堂成人在线视频| 91偷拍视频久久精品| 国产精品自拍杆香蕉视频| 欧美又黑又粗大又硬又爽| 国产剧情欧美日韩中文在线| 国产精品久久香蕉国产线 | 亚洲国产四季欧美一区| 色婷婷视频国产一区视频| 婷婷激情五月天丁香社区| 日本在线视频播放91| 老外那个很粗大做起来很爽| 二区久久久国产av色| 日韩女优精品一区二区三区| 亚洲精品小视频在线观看| 亚洲一区二区精品国产av | 欧美国产日本高清在线| 国产成人精品国产成人亚洲 |