基于智能信息融合的電力設備故障診斷新技術研究.pdf

1、隨著電力系統(tǒng)規(guī)模的不斷擴大，大型變電站的數(shù)量逐步增加，對變電站電氣設備的可靠性及技術水平要求也日益提高，現(xiàn)階段國家電力公司正大力推廣的電力設備狀態(tài)監(jiān)測與可靠性維修正如火如荼的在各地展開。電力設備狀態(tài)監(jiān)測和故障診斷主要是對當前設備前期的、潛伏性故障通過各種技術手段找出它的故障規(guī)律，對這類故障的診斷是目前電力系統(tǒng)研究的熱點之一。這與瞬時性的、保護動作之后的故障判斷是一個問題的兩個方面，繼電保護并不能解決隱藏的、潛伏性的前期故障，所以研究電力

2、設備狀態(tài)監(jiān)測與故障診斷具有重要意義。電力設備狀態(tài)監(jiān)測與故障診斷不僅是設備狀態(tài)檢修模式的基礎，也符合變電站綜合自動化正在實施的電氣運行模式的需要。無論是常規(guī)變電站還是無人值守變電站，在其監(jiān)控系統(tǒng)中，都需要增加一個在線監(jiān)測和故障診斷專家系統(tǒng)用以作為輔助決策手段，進而提高監(jiān)控能力。要想實現(xiàn)真正的無人值守，需要加入電氣設備在線監(jiān)測和故障診斷的內容，這樣變電站綜合自動化才更加完善和更有效。所以在測量、控制、信號、保護和遠動等綜合自動化的基礎上，如

3、能融合電力設備在線監(jiān)測與故障診斷系統(tǒng)，必將推動變電站綜合自動化向前發(fā)展，這對提高我國變電站綜合自動化水平具有重要意義。本文闡述了智能化技術在電力設備故障診斷中的應用，介紹電力設備故障診斷的發(fā)展歷史、研究現(xiàn)狀以及未來在線監(jiān)測發(fā)展的趨勢，提出了對這些問題的研究思路和解決方法，明確了本文研究的主要內容。為了解決電力設備故障診斷中所遇到的主要技術難題，突破常規(guī)方法進行故障診斷的局限，論文將不同類型神經網絡用于變壓器絕緣故障診斷的數(shù)學模型和實現(xiàn)原

4、理進行了比較分析，研究了基于BP神經網絡的多種改進學習算法，詳細比較分析了不同學習算法對絕緣故障診斷收斂性的影響。針對BP隱含層結構不確定的缺點，文中對不同的隱含層數(shù)目都進行了仿真分析。論文還提出了基于徑向基網絡、概率神經網絡和LVQ模式分類神經網絡用于故障診斷的模型和方法，通過比較分析各種不同類型神經網絡的性能和故障診斷的準確率，確定了適用于變壓器絕緣故障診斷的神經網絡模型。為了解決電力設備故障征兆、故障原因和故障機理之間的復雜關系，

5、提出了一種基于模糊數(shù)學的變壓器絕緣故障診斷方法，將模糊數(shù)學引入到變壓器故障診斷中，把氣體組分比值看作故障類別的模糊現(xiàn)象子集，再依據(jù)三比值法中給出的不同氣體組分相互間的比值與變壓器故障類別之間的對應關系，建立模糊現(xiàn)象子集和對應于不同故障類別的隸屬度函數(shù)，從而進行故障類別的模糊多元決策。將自適應神經網絡的自學習優(yōu)點與模糊數(shù)學的模糊推理方法進行有效的結合，本文解決了變壓器絕緣故障診斷中模糊規(guī)則難以確定的問題，利用自適應神經網絡的自學習功能，通

6、過神經網絡的學習確定了模糊規(guī)則和模糊隸屬度。建立了變壓器故障診斷的ANFIS模型，實現(xiàn)了電力設備故障診斷，反映了變壓器的實際運行狀態(tài)。根據(jù)信息融合技術的基本原理，論文建立了適用于在線監(jiān)測和故障診斷的信息融合結構和模型。提出了采用D-S證據(jù)理論進行電力設備故障診斷的方法。研究了用于故障診斷的D-S融合模型和方法，將神經網絡和模糊推理的診斷結果進行了再一次的融合，使原來的診斷信息更加明確，提高了診斷的準確性。綜合基于人工智能模型的故障診斷方

7、法與原理，本文首次提出了將神經網絡、模糊數(shù)學、自適應模糊推理和信息融合的故障診斷方法，進行比較判斷，形成多智能信息融合判據(jù)用來診斷電力設備故障。作者還將專家系統(tǒng)引入電力設備故障診斷中，開發(fā)設計了變電站故障診斷專家系統(tǒng)，詳細描述了診斷專家系統(tǒng)的知識庫、數(shù)據(jù)庫和推理結構，最后給出了斷路器和變壓器的診斷實例。根據(jù)變電站電力設備在線狀態(tài)監(jiān)測的要求和目標，在總結了近年來該領域現(xiàn)狀和發(fā)展趨勢的基礎上，將變電站作為一個系統(tǒng)整體進行在線監(jiān)測設計，提出了