基于多源信息的电网故障诊断研究

论文摘要

电力系统发生故障情况下,快速、准确的故障诊断对减少电能中断时间和增强供电可靠性意义重大。各种信息系统的应用为获取故障信息提供了技术条件,但故障时大量报警信息短时间内涌入调度中心,远远超出了运行人员的处理能力;在发生复杂故障以及不正常动作或存在错误信息的情况下,故障诊断更加困难。我国电力正处于一个高速发展时期,受端负荷持续增长,跨区联网规模扩大,加之电力市场化改革及生态环境约束的影响,电网结构和运行方式日趋复杂,系统运行不稳定因素增多,出现偶发故障引发大规模停电的风险升高,给电网故障诊断提出了新的挑战。目前我国电力界正着手开始综合数据平台和电网故障信息系统的建设,届时,WAMS、SCADA、故障录波、继电保护等多源信息可从平台中直接提取。另外,电力系统具有一些物理、数学上特殊性。充分考虑到这些特性,合理、充分地综合多源、异构的故障信息进行故障诊断是提高故障诊断性能的根本途径。本文对电力系统故障诊断进行了新的探索和研究,针对目前在利用保护和开关这两类常规信息上的存在的主要问题,提出了新的基于模糊积分信息融合的诊断方法;并结合电网的潮流特性,提出了基于潮流指纹的诊断诊断方法,本文的主要工作如下:1)介绍了电网故障诊断研究现状和现场故障诊断的实用现状,介绍了电网故障诊断信息系统。2)指出了常规神经网络诊断模型存在的致命问题,采用面向元件的故障诊断思想,建立了线路、变压器、母线的神经网络诊断模型;提出了利用模糊积分融合技术的综合诊断方法,以面向元件的神经网络诊断做初级诊断,在此基础上,结合电网的拓扑信息,应用模糊积分信息融合技术进行综合诊断。3)电力系统状态估计与故障诊断紧密相关,鉴于此,本文还分析了目前状态估计的情况,并提出了基于WAMS/SCADA混合量测的电力系统状态估计方法;将非线性估计结果作为伪量测量加入线性估计中,根据平均距离动态调整其权值,通过插值对非线性可观测区域进行实时的估计。4)根据潮流指纹的故障诊断思想,提出了基于潮流分布的输电网故障诊断模型。用直流潮流法准实时地生成预想故障的潮流分布样本库,根据WAMS、SCADA的实时量测信息获取运行中的潮流分布情况,与故障样本进行快速匹配,寻找故障原因。5)根据故障信息的分层特点与电网的物理特性,提出了基于继电保护与开关量、潮流量、故障录波等多源信息的故障诊断框架。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 概述
• 1.2 故障诊断的研究现状
• 1.2.1 专家系统法
• 1.2.2 人工神经网络法
• 1.2.3 模糊理论法
• 1.2.4 粗糙集理论
• 1.2.5 优化技术
• 1.2.6 Petri网
• 1.2.7 其他方法
• 1.3 故障诊断的难点和目前的主要问题
• 1.4 基于多源信息融合的故障诊断
• 1.5 本文的主要工作
• 第二章 故障诊断的信息源
• 2.1 概述
• 2.2 故障诊断信息来源
• 2.2.1 SCADA系统简介
• 2.2.2 WAMS系统简介
• 2.2.3 继电保护信息系统简介
• 2.2.4 故障信息系统简介
• 2.3 电力系统继电保护原理简介
• 2.3.1 保护知识简介
• 2.3.2 线路故障与保护系统
• 2.3.3 变压器故障与保护系统
• 2.3.4 母线故障与保护
• 2.4 结论
• 第三章 基于混合量测信息的状态估计
• 3.1 概述
• 3.2 基于混合量测的状态估计模型
• 3.2.1 非线性估计模型
• 3.2.2 线性估计模型
• 3.2.3 伪量测量的权值调整
• 3.2.4 插值模型（近似估计）
• 3.3 算例仿真
• 3.4 结论
• 第四章 基于面向元件神经网络诊断与模糊积分融合技术的电网故障诊断
• 4.1 概述
• 4.2 神经网络
• 4.2.1 神经网络的结构
• 4.2.2 BP神经网络
• 4.2.3 BP神经网络的几个问题的探讨
• 4.2.4 BP神经网络改进算法
• 4.2.5 RBF神经网络
• 4.3 基于面向元件神经网络的故障诊断模型
• 4.3.1 线路模型
• 4.3.2 变压器模型
• 4.3.3 母线模型
• 4.4 神经网络训练与构造
• 4.5 面向元件神经网络的故障诊断
• 4.6 基于模糊积分信息融合的综合诊断
• 4.6.1 诊断系统结构及原理
• 4.6.2 模糊积分的数学描述
• 4.6.3 初级诊断结论预处理
• 4.6.4 确定模糊密度
• 4.6.5 综合诊断流程
• 4.7 算例分析
• 4.8 结论
• 第五章 基于潮流指纹的故障诊断
• 5.1 概述
• 5.2 综合多源信息的故障诊断框架
• 5.3 基于潮流指纹的输电网故障诊断
• 5.4 直流潮流
• 5.5 实时潮流分布特性
• 5.6 故障模式匹配
• 5.7 算例仿真
• 5.8 结论
• 结论
• 工作展望
• 致谢
• 攻读硕士期间发表的文章
• 参考文献
• 附录