基于計算智能的電網故障診斷方法研究.pdf

1、電網發(fā)生故障后，大量蘊含不確定性的保護和斷路器動作信息（統(tǒng)稱為警報信息）將通過SCADA系統(tǒng)或故障信息系統(tǒng)涌入電網調度控制中心。利用這些警報信息快速準確地診斷電網故障對恢復系統(tǒng)供電、減少故障損失具有重要作用。關于電網故障診斷的研究經歷了幾十年的發(fā)展，取得了豐碩的成果。隨著現(xiàn)代電力系統(tǒng)的不斷發(fā)展，電網規(guī)模愈加龐大，結構日益復雜，對電力系統(tǒng)的運行水平提出了更高要求。此種背景下，已有故障診斷方法在適用范圍、診斷準確度和精確度等方面均面臨著嚴峻

2、的挑戰(zhàn)。本文致力于電網故障診斷方法的研究，重點研究采用計算智能方法實現(xiàn)電網故障的高效診斷。此外，鑒于計算智能方法之一的生物地理學優(yōu)化算法在故障診斷中表現(xiàn)出良好的優(yōu)化性能，本文也將其用于求解電力系統(tǒng)經濟調度問題。主要工作及成果歸納如下：
　　提出了一種基于模糊推理脈沖神經膜系統(tǒng)的電網故障診斷新方法。該方法不僅可以采用圖形化形式模擬各級保護及斷路器之間的因果動作行為，而且可以有效地采用簡單的矩陣運算實現(xiàn)元件、保護、斷路器之間的模糊推理

3、，有助于工作人員分析故障的清除過程。算例仿真結果表明，該方法具有容錯能力強，推理速度快等特點。
　　提出了一種基于徑向基函數神經網絡和模糊積分的電網分區(qū)故障診斷方法，以有效解決神經網絡應用于大規(guī)模電網故障診斷時面臨的“維數災”問題。采用網絡重疊分區(qū)將大規(guī)模電網劃分為具有重疊聯(lián)絡線的若干子網。故障發(fā)生后，根據警報信息選擇性觸發(fā)相應子網的神經網絡診斷模塊；對于聯(lián)絡線，待完成相連子網的診斷任務后，通過模糊積分關聯(lián)融合相連子網關于該聯(lián)絡線

4、的診斷輸出，實現(xiàn)對聯(lián)絡線的有效診斷。算例仿真結果表明，該方法采用“分而治之”策略能正確處理各種涉及聯(lián)絡線故障的復雜故障情形，診斷正確率高，能較好地適應大規(guī)模電網的故障診斷需求。
　　提出了一種基于徑向基函數神經網絡的電網模糊元胞故障診斷方法，以有效解決神經網絡應用于電網故障診斷時面臨的適應網絡拓撲結構變化的可移植性問題。該方法直接以被保護元件的所有關聯(lián)保護和相應的斷路器作為各個元胞通用神經網絡診斷模型的輸入，并借助矢狀圖提取出蘊含

5、不確定性的模糊推理規(guī)則來訓練各個神經網絡。算例仿真結果表明，該方法能在網絡拓撲結構變化時通過對模型的簡單修正，實現(xiàn)各種復雜故障情形的準確診斷，具有良好的容錯性和可移植性。
　　提出了一種電網故障診斷改進解析模型及其自適應生物地理學優(yōu)化方法。深入剖析了現(xiàn)有解析模型在復雜故障情形下存在多解的原因，提出了相應的改進解析模型。此外，為了提高改進模型的求解效率，提出了一種自適應生物地理學優(yōu)化算法。算例仿真結果表明，改進解析模型診斷結果唯一、

6、合理；自適應生物地理學優(yōu)化算法實現(xiàn)正確求解所需的迭代次數少，可靠性高，具有良好的優(yōu)化性能。
　　提出了一種求解電力系統(tǒng)靜態(tài)經濟調度問題的多策略集成生物地理學優(yōu)化算法。采用多種策略來改進生物地理學優(yōu)化算法的遷徙模型、遷移算子和變異算子，以平衡局部搜索能力和全局搜索能力。此外，提出了一種無需引入罰因子的約束條件處理方法來有效處理靜態(tài)經濟調度問題的各種約束條件。算例仿真結果表明，該算法的各個改進部分通過相互協(xié)作，可以有效提高算法的搜索性

7、能。
　　提出了一種求解電力系統(tǒng)動態(tài)經濟調度問題的基于多源遷移算子與正交學習的改進生物地理學優(yōu)化算法。多源遷移算子可以從更寬廣的且未被探索過的可行解空間中生成新的特征，提高算法種群多樣性；而用基于正交試驗設計的正交學習策略取代以往的盲目搜索，可指引算法朝著全局最優(yōu)的方向快速搜索。此外，也提出了相應的無需引入罰因子的約束條件處理方法。算例仿真結果表明，改進算法能夠擺脫較差的局部極值點并收斂到更優(yōu)的解空間中，能獲得經濟性較高的調度方案