导读:本文包含了输电网故障诊断论文开题报告文献综述及选题提纲参考文献，主要关键词:输电网,故障诊断,解析模型,电气量判据
输电网故障诊断论文文献综述
李春辉,高亮,张俊峰,屈子程,康保林[1]（2019）在《基于电气量判据的输电网故障诊断》一文中研究指出以复杂电网故障诊断为目标,分析在发生多重故障且伴随不确定性因素的情况下的故障诊断流程,考虑保护和断路器拒动、误动可能性和告警信息误报、漏报等不确定性因素,对保护规则、动作状态和告警信息叁者之间的关系进行解析,实现了实际动作状态和告警信息关系的解耦,并提出一种利用PMU电气量信息的电气量新判据,对常规解析模型增加约束,实现了故障诊断信息的冗余,极大地降低了误诊的可能性。(本文来源于《水电能源科学》期刊2019年03期）
程学珍,赵沙沙,林晓晓,孟凡涛[2]（2018）在《一种基于BP与分层变迁WFPN相融合的输电网故障诊断方法研究》一文中研究指出为降低电网故障诊断中因人为主观因素的影响而造成的误差,提出了一种基于BP与分层变迁的加权模糊Petri网(weighted fuzzy Petri net,WFPN)相融合的输电线路故障诊断方法。根据故障信息确定出可疑元件,然后针对各元件分别建立它们的子模型和综合诊断模型。考虑到Petri网模型与BP神经网络在结构和形式上有一定的相似性,因此本文采用BP算法对Petri网模型中的权值进行训练。仿真结果表明该方法具有合理性及有效性。(本文来源于《中国科技论文》期刊2018年11期）
马祥飞[3]（2016）在《计及时序的输电网贝叶斯疑似度故障诊断方法研究》一文中研究指出随着现代电力系统规模的不断扩大以及系统结构的日趋复杂,电力系统故障对整个系统安全稳定的潜在影响增大。故障发生时,正确处理故障、减少停电损失,不仅具有显着的经济效益,也是现代电力系统可靠性的必然要求。鉴于识别故障元件并对故障进行诊断是电力自动化系统处理故障的先导性工作,因而电力系统故障诊断的准确性和快速性至关重要。各级电网调度中心的调度自动化系统主要用于正常状态下电力系统的监视和控制。故障发生时,各个监控端上传的报警信息为电力调度人员故障诊断提供信息支持。然而,故障时多源异质报警信息冗余的同时可能存在冲突,元件故障时保护也存在拒动误动的情形,而调度自动化系统又不具备异常时快速可靠处理分析报警信息的能力,已不能满足现代大规模电网无人值班运行的需要。因此,与故障诊断有关的课题应运而生。电网的故障诊断实质上是通过智能算法根据保护动作和断路器跳闸信息对故障进行反向推理,在不确定信息下找出原发性故障。目前故障诊断的关键点在信息处理、拓扑分析和智能算法叁个层面上。为提高故障诊断的容错性和准确度,本文提出一种计及时序的输电网贝叶斯疑似度故障诊断算法。主要工作如下：1、深入分析了故障时调度收到信息的特征,由调度端得到的事件顺序记录(SOE)信息结合继电保护动作的时序延迟特性,将断路器跳闸信号按动作时间先后分为Ⅰ类和Ⅱ类。Ⅰ类和Ⅱ类断路器信息旨在将跳闸断路器按重要程度进行聚类,便于算法指标中对重要程度不同的跳闸信息赋以不同权重；运用集合理论校验时序分组后的跳闸断路器信息,对缺失的Ⅰ类断路器信息予以补足。2、由元件拓扑连接矩阵和断路器一母线矩阵表达系统拓扑。将元件(输电线路)看作广义节点,相比传统基于动作元件(断路器)建模的方式,拓扑映射复杂度低,算法复杂度低；同时,矩阵法表达拓扑易于进行概率赋值,可有力地反映电力系统故障时信息和元件动作的不确定性。3、贝叶斯疑似度算法以概率加权的二分因果图为基础,直观有效地建立了故障与征兆的联系。贝叶斯疑似度指标以实际发生征兆与可疑故障集对应征兆的比值衡量实际征兆信息的重要程度。本文将贝叶斯疑似度算法应用于电力系统故障诊断,保护动作及断路器跳闸的时序特性在算法指标中量化为权重,增加了报警信息维度,从而提高了诊断的精度。4、将溯因法引入故障后的信息不确定性推理,基于贝叶斯疑似度算法中得到的故障元件,结合实际观测到的报警信息,对开关拒动、开关误动、信息缺失、时标出错等问题进行了分析诊断。判定开关拒动、开关误动、信息缺失时用集合理论进行溯因推理,对报警信息进行时序分组处理,诊断结果合理正确,完整地解析了故障。(本文来源于《山东大学》期刊2016-04-15）
孙东亮,周卫平,王家林[4]（2015）在《输电网故障诊断决策表约简新方法》一文中研究指出研究输电网故障诊断问题。电力系统日趋复杂,势必导致电力系统故障诊断中的决策表也更加复杂,针对决策表约简问题,提出了采用粗糙集理论与关联规则数据挖掘技术相结合的方法对决策表进行约简,将传统的粗糙集约简算法进行改进,并将得到的约简结果根据保护、断路器和元件之间存在的内部联系,运用关联规则数据挖掘技术进一步约简,最终得到简单的决策策略。通过算例分析表明所提算法简单、快速、有效。运用Visual C++编程实现了对算例的决策表约简,证明了新方法的正确性。(本文来源于《计算机仿真》期刊2015年03期）
张楠,冯琳,杨镜非,王杰[5]（2014）在《基于推理链的输电网故障诊断》一文中研究指出为了提高故障诊断的精度和效率,提出了利用数据信息的时序特性的推理链诊断法,解决了现有故障诊断方法不能综合考虑重合闸、失灵保护和一般元件保护的问题,诊断结果具有对故障的演化过程的解释能力。根据已知故障事实判断故障原因的特征,引入事件集的概念,建立故障信息的逻辑模型,简化问题规模;提出基于推理链的故障诊断方法,确定事件集间的因果逻辑关系并定义约束条件,构造冗余的推理链组合,以先验数据基础上的似然函数确定最优解。实际电力系统发生的故障案例验证了所提方案。(本文来源于《电力系统自动化》期刊2014年22期）
史佳琪[6]（2014）在《基于解析模型的输电网故障诊断技术的研究》一文中研究指出电力系统故障诊断是调度员处理电网事故的重要辅助工具,可以起到缩短事故处理时间、防止事故扩大和提高电力系统自动化水平的作用。在现代工业中,电力系统故障诊断是指利用保护和断路器的动作信息来推断可能的故障位置,识别故障元件和误动作的保护与断路器,并对保护和断路器的动作情况做出评价其中故障元件的识别是故障诊断实现的关键。本文中,首先,对电力系统故障诊断的基本概念和研究背景作了简要介绍,对国内外现有电力系统故障诊断基本理论和常用方法作了分析和比较。阐明了电力系统故障诊断的目标与功能,并介绍了故障分类和故障信息源。其次,基于继电保护动作规则等常规知识,应用优化技术,将电力系统故障诊断问题转化为0-1整数规划问题,建立了解析法的数学模型,并详细探讨了目标函数自动形成方法、故障区域自动识别策略和优化问题求解算法。然后,针对传统故障模型进行了优化,提出两种更完善的故障诊断解析方法,分别是基于混合法的电网故障诊断方法,和基于广域测量系统的故障解析模型。前者可以降低目标变量的维数,使得求解更快捷,后者将当下最流行的广域测量系统中的电气量信息与之结合,预测了电力系统故障诊断未来的发展趋势。提出两种新型群体智能仿生方法,改进粒子群算法和人工鱼群算法均是基于群体搜索的新型优化方法,具有并行处理特征,鲁棒性好,易于实现,且计算效率较高。本文介绍了改进粒子群算法和人工鱼群算法的基本原理,详细论述了两种算法的流程和实现步骤,分析了算法中参数对算法本身的影响,比较了两种算法的特点。在此基础上,应用两种算法求解故障诊断优化问题,给出了算法的具体实现步骤,讨论了算法参数选择等注意事项。最后,在给出的故障诊断测试系统上,对故障情形进行了仿真。与遗传算法等传统优化算法比较,采用改进粒子群算法和人工鱼群算法求解故障诊断优化问题稳定性高、收敛特性好、运行速度快。最后对论文中所作的研究进行简要总结,并指出了这一领域有待进一步深入研究的问题。(本文来源于《东北大学》期刊2014-06-01）
兰华,孙传蒙,王韵然,杨建彪,陆千毅[7]（2012）在《基于贝叶斯网络的分布式输电网故障诊断》一文中研究指出针对输电网拓扑结构日渐复杂且发生故障后报警信息存在不确定性的情况,提出了一种基于贝叶斯网络的分布式输电网故障诊断方法。分别建立了线路、变压器、母线的分布式元件诊断模型和联合诊断模型,并对其进行了分层。结合SCADA/RMS系统信息,对元件诊断模型采用后向推理,确定可疑故障元件;再由联合诊断模型推理,得到具有最大后验概率的故障元件组合。经过算例仿真,验证了该方法的正确性和有效性。(本文来源于《电测与仪表》期刊2012年11期）
王磊,陈青,高湛军[8]（2012）在《输电网故障诊断的知识表示方法及其应用》一文中研究指出为了进一步提高诊断算法的效率以及准确度,提出了通过完备的知识表示方法进行电网故障诊断的方案。通过对故障时刻电网拓扑以及各类保护知识的表达,将充分的故障诊断知识提供给诊断算法,这使其可在多类信息的基础上对故障元件进行准确的判断,并且通过对知识的优化降低了故障诊断算法的复杂程度。运用Petri对故障知识进行逻辑推理,即使在保护和断路器有误动、拒动的情况下仍然准确判断出故障元件。仿真结果表明,该方法在诊断效率与准确性方面能够满足实际需求,可作为智能电网自愈程序的接口。(本文来源于《中国电机工程学报》期刊2012年04期）
臧天磊,何正友,李超文,钱清泉[9]（2010）在《基于二进制群智能算法的输电网故障诊断方法》一文中研究指出为保证电网故障诊断的准确性与实时性,将二进制粒子群算法(BPSO)和二进制蚁群算法(BACA)引入到电网故障诊断优化模型的求解中,并与遗传算法作了对比分析。对单一故障、多重故障、保护非逻辑性动作、信息丢失等不同故障信息条件下的故障案例进行了仿真。仿真结果表明二进制群智能算法在收敛速度和优化结果方面显着优于GA,同时验证了提出的电网故障诊断方法具有诊断准确和容错性好等优点。(本文来源于《电力系统保护与控制》期刊2010年14期）
高闯[10]（2010）在《输电网故障诊断和设备性能分析系统的研究》一文中研究指出随着电力系统规模的日益扩大,输电网电压等级的提高,110kV及以上的高压输电线路不断增多。作为电力系统中的重要连接纽带,输电网的故障直接威胁着现代电力系统的安全运行。因此对输电线路及其相关的一、二次设备进行正确、快速的故障诊断和分析,可以为电力系统迅速确定恢复决策提供了重要依据;此外,在故障诊断的基础上,进一步对保护动作性能进行分析,可使运行人员对不正确动作的保护及时处理,对提高系统安全运行有重要意义。电力系统发生故障后,电流、电压信号中含有衰减直流分量和高次谐波,本文选取具有有效抑制衰减直流分量特性又能很好滤除高次谐波的全波差分傅里叶滤波算法来提取基波分量,与常规的全波傅里叶算法相比,其提取基波分量的精度更高,这为电网故障诊断和设备性能分析的正确性提供了有力保障。输电网故障诊断和保护控制系统一、二次设备动作性能分析系统的研究,需要存储方便、搜索便利的电网完整的一次设备拓扑结构,本文提出基于有向图的拓扑分析法,该方法简单而且容易实现。在此基础上提出了基于有向图的输电网一、二次设备动作性能分析的方法,采用深度优先搜索方法和启发式搜索的剪枝技术,完成对整个输电网的断路器及保护动作性能的评估。用电力系统分析软件PSCAD搭建了一个110kV输电网模型,对本文提出的方法进行了仿真测试,证明了提出方法的有效性。本文以距离保护为例,利用PSCAD的仿真数据对各种类型故障情况下的保护动作的动态过程进行测试,以验证保护动作是否正确,为电力部门进一步分析保护装置的可靠性提供基础。本文在研究的基础上,用VB开发了一套电力网故障诊断及保护控制系统动作性能分析系统。该系统可以实现故障波形再现、序分量分析、故障选相、故障测距、断路器和保护动作性能分析,以及保护动作动态过程等功能,不仅给运行人员提供了直观的故障诊断信息,还大大减轻了运行人员的工作量。(本文来源于《天津大学》期刊2010-06-01）
输电网故障诊断论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为降低电网故障诊断中因人为主观因素的影响而造成的误差,提出了一种基于BP与分层变迁的加权模糊Petri网(weighted fuzzy Petri net,WFPN)相融合的输电线路故障诊断方法。根据故障信息确定出可疑元件,然后针对各元件分别建立它们的子模型和综合诊断模型。考虑到Petri网模型与BP神经网络在结构和形式上有一定的相似性,因此本文采用BP算法对Petri网模型中的权值进行训练。仿真结果表明该方法具有合理性及有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
输电网故障诊断论文参考文献
[1].李春辉,高亮,张俊峰,屈子程,康保林.基于电气量判据的输电网故障诊断[J].水电能源科学.2019
[2].程学珍,赵沙沙,林晓晓,孟凡涛.一种基于BP与分层变迁WFPN相融合的输电网故障诊断方法研究[J].中国科技论文.2018
[3].马祥飞.计及时序的输电网贝叶斯疑似度故障诊断方法研究[D].山东大学.2016
[4].孙东亮,周卫平,王家林.输电网故障诊断决策表约简新方法[J].计算机仿真.2015
[5].张楠,冯琳,杨镜非,王杰.基于推理链的输电网故障诊断[J].电力系统自动化.2014
[6].史佳琪.基于解析模型的输电网故障诊断技术的研究[D].东北大学.2014
[7].兰华,孙传蒙,王韵然,杨建彪,陆千毅.基于贝叶斯网络的分布式输电网故障诊断[J].电测与仪表.2012
[8].王磊,陈青,高湛军.输电网故障诊断的知识表示方法及其应用[J].中国电机工程学报.2012
[9].臧天磊,何正友,李超文,钱清泉.基于二进制群智能算法的输电网故障诊断方法[J].电力系统保护与控制.2010
[10].高闯.输电网故障诊断和设备性能分析系统的研究[D].天津大学.2010