基于灰色關聯(lián)度分析和改進推理鏈的電網(wǎng)故障診斷.pdf

1、隨著電網(wǎng)規(guī)模的擴大，電網(wǎng)的結(jié)構(gòu)日趨復雜，電網(wǎng)發(fā)生故障后，大量的報警信息上傳到調(diào)度中心，這給調(diào)度人員快速識別故障元件帶來了很大困難。已有基于開關量的電網(wǎng)故障診斷方法在保護和斷路器正確動作且報警信息無遺漏、不誤傳的情況下能正確識別出故障元件。但是保護和斷路器誤動與拒動、報警信息漏報、誤報、多位保護和斷路器動作信息不正確或缺失時，基于開關量的電網(wǎng)故障診斷方法很難正確識別出故障元件。電氣量在準確性、完備性及容錯性等方面具有開關量信息無法比擬的優(yōu)

2、勢，本文綜合利用電氣量和開關量信息，采用灰色關聯(lián)度分析和改進推理鏈的方法來提高故障診斷的準確性。
　　基于故障錄波數(shù)據(jù)，本文提出了基于灰色關聯(lián)度分析的電網(wǎng)故障診斷方法。針對停電區(qū)域中每條疑似故障線路，利用故障時刻前后的電流采樣值，計算其縱向原始特征序列、縱向幅值、縱向能量3種灰色關聯(lián)度;選取一條有源參考線路，利用故障時刻后各疑似線路的電流采樣值，計算它們與參考線路之間的橫向原始特征序列、橫向幅值、橫向能量3種灰色關聯(lián)度。對各線路的

3、縱向灰色關聯(lián)度和橫向灰色關聯(lián)度進行加權(quán)融合，得到它們的綜合灰色關聯(lián)度，給出故障判據(jù)，準確地識別出故障元件。IEEE14節(jié)點系統(tǒng)的仿真實驗表明，本方法在不同故障位置、各類故障類型、不同過渡電阻下，均能準確識別出單個故障和雙重復故障元件。
　　本文研究了基于因果推理鏈的貝葉斯網(wǎng)絡故障診斷方法。已有基于推理鏈的電網(wǎng)故障診斷方法存在推理鏈個數(shù)較多、構(gòu)造較為復雜、沒有考慮保護和斷路器缺失、誤傳等不足。本文針對每個疑似故障元件建立一條原始推理

4、鏈，糾正誤報和補充漏報的報警信息，修正原始的推理鏈。通過對推理鏈中各保護和斷路器動作的可信度進行評估，將推理鏈中的保護和斷路器動作信息從二值邏輯的1或0模糊化為位于0、1之間的可信度值。根據(jù)每個疑似故障元件的推理鏈，建立相應模式的貝葉斯網(wǎng)絡模型。通過貝葉斯反向推理得出故障概率。某典型電網(wǎng)的故障算例，驗證了本方法的有效性。
　　最后，本文通過改進的D-S融合算法，將基于灰色關聯(lián)度分析的故障度和基于貝葉斯網(wǎng)絡的故障概率進行融合，由融合