發(fā)布時(shí)間：2020-04-03 06:39

【摘要】：隨著電網(wǎng)規(guī)模不斷增長(zhǎng),電網(wǎng)結(jié)構(gòu)日趨復(fù)雜,區(qū)域電網(wǎng)之間的聯(lián)系也越來越緊密,局部電網(wǎng)故障引起連鎖故障的幾率大大增加,電網(wǎng)調(diào)控中心若不能及時(shí)地對(duì)系統(tǒng)故障進(jìn)行準(zhǔn)確有效地處理,將導(dǎo)致故障范圍進(jìn)一步擴(kuò)大,使系統(tǒng)可靠供電和安全穩(wěn)定運(yùn)行受到嚴(yán)重威脅。準(zhǔn)確高效的故障診斷系統(tǒng)可以為故障后的緊急調(diào)控和故障恢復(fù)提供輔助決策支持,加快調(diào)度人員事故處理和供電恢復(fù)的進(jìn)程。受當(dāng)前不同類型數(shù)據(jù)分時(shí)分區(qū)傳送的限制,調(diào)控中心不能同時(shí)同步地獲取相應(yīng)故障信息,而現(xiàn)有故障診斷方法均建立在所有信息都已上傳的假設(shè)基礎(chǔ)上,只適用于事故后的分析,難以滿足電網(wǎng)故障后緊急控制和故障恢復(fù)的實(shí)時(shí)調(diào)控需求。另外,現(xiàn)有故障診斷方法存在容錯(cuò)性較低的缺陷,在保護(hù)和斷路器誤動(dòng)/拒動(dòng)、告警信息缺失/錯(cuò)誤等復(fù)雜狀態(tài)下很難得到準(zhǔn)確的診斷結(jié)果。為了保證系統(tǒng)的可靠供電和安全穩(wěn)定運(yùn)行,本文從電力系統(tǒng)的實(shí)時(shí)調(diào)控需求出發(fā),圍繞基于多源信息的層進(jìn)式智能化電網(wǎng)故障診斷方法展開研究。根據(jù)故障信息的特征以及到達(dá)調(diào)度中心的時(shí)間優(yōu)先級(jí),提出層進(jìn)式電網(wǎng)故障診斷系統(tǒng)的框架,并重點(diǎn)圍繞該框架下故障區(qū)域識(shí)別、故障元件診斷和故障類型辨識(shí)的三個(gè)層次展開智能化方法的研究。作為層進(jìn)式故障診斷系統(tǒng)的第一層,本文利用開關(guān)變位信息和WAMS信息,提出基于廣度優(yōu)先搜索的故障區(qū)域快速識(shí)別方法。針對(duì)傳統(tǒng)結(jié)線分析法在開關(guān)信息缺失、畸變的情況下無法準(zhǔn)確識(shí)別故障區(qū)域的缺陷,引入WAMS系統(tǒng)廣域同步電氣量來識(shí)別故障區(qū)域邊界斷路器,并沿其停電側(cè)方向進(jìn)行搜索,以快速確定故障區(qū)域。IEEE 39節(jié)點(diǎn)系故障案例說明了該方法的有效性。作為層進(jìn)式故障診斷系統(tǒng)的第二層,本文引入保護(hù)和斷路器動(dòng)作信息的時(shí)序約束關(guān)系,提出基于加權(quán)模糊時(shí)序Petri網(wǎng)的故障元件診斷方法。針對(duì)傳統(tǒng)故障元件診斷方法在保護(hù)和斷路器誤動(dòng)/拒動(dòng)、告警信息缺失/錯(cuò)誤等復(fù)雜狀態(tài)下容錯(cuò)性較低的缺陷,在研究線路母線等的層次化TWFPN模型的構(gòu)建方法的基礎(chǔ)上,以故障發(fā)生時(shí)刻為事件起點(diǎn),通過逆向和正向時(shí)序推理對(duì)保護(hù)和斷路器動(dòng)作信息進(jìn)行時(shí)序約束檢查和置信度修正。IEEE 39節(jié)點(diǎn)系統(tǒng)仿真算例、電網(wǎng)實(shí)際故障案例以及與現(xiàn)有應(yīng)用時(shí)序信息的故障診斷方法在結(jié)果和性能上的對(duì)比說明了該方法的優(yōu)越性。作為層進(jìn)式故障診斷系統(tǒng)的第三層,本文利用故障錄波信息,提出基于深度置信網(wǎng)絡(luò)的故障類型辨識(shí)方法。為了克服淺層智能方法對(duì)信號(hào)處理技術(shù)和人工經(jīng)驗(yàn)的依賴以及對(duì)復(fù)雜電力系統(tǒng)特征提取和表達(dá)能力不足的問題,以輸電線路的故障類型辨識(shí)為例,利用DBN模型從故障錄波數(shù)據(jù)的原始時(shí)域信號(hào)中自動(dòng)學(xué)習(xí)和提取故障狀態(tài)特征,從而達(dá)到故障類型辨識(shí)的目的,并從DBN重構(gòu)網(wǎng)絡(luò)的重構(gòu)能力、逐層特征提取可視化結(jié)果以及故障類型辨識(shí)結(jié)果與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的對(duì)比三個(gè)方面,對(duì)DBN模型的故障特征提取能力和故障狀態(tài)識(shí)別能力進(jìn)行研究與分析。論文最后對(duì)主要研究工作和成果進(jìn)行了總結(jié),并對(duì)下一步研究工作進(jìn)行了展望。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM76

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉e鹲，

本文編號(hào)：2613074