基於不確定序列電力系統故障診斷模型的研究

《基於不確定序列電力系統故障診斷模型的研究》是依託華南理工大學,由廖志偉擔任項目負責人的面上項目。

基本介紹

  • 中文名:基於不確定序列電力系統故障診斷模型的研究
  • 項目類別:面上項目
  • 項目負責人:廖志偉
  • 依託單位:華南理工大學
項目摘要,結題摘要,

項目摘要

智慧型電網的主要特徵- - 自愈性,指通過實時掌控電力系統運行狀態,及時發現、準確診斷和消除故障隱患,提升系統的安全可靠性。故障診斷的準確性是系統實現快速自愈的前提,目前該領域已有不少研究工作,但報警信息丟失、虛假信息或信號不完備等現場不可完全避免因素將可能導致故障特徵畸變,以至於故障診斷結果的正確性難以保證,上述問題是阻礙電力系統故障診斷實用化的最大瓶頸。本課題主要針對電力系統故障診斷中存在的不確定性信息,採用時序信息數據挖掘的技術手段,研究電力系統故障的時空特徵關聯的情景規則的篩選、提取算法;建立電力系統故障特徵的時序知識表達、不確定性時序推理、約束關係以及時間不確定性事件以及時序不確定的電力系統故障診斷的解析模型;研究基於離散事件序列及連續量的混雜電力系統具有時空特性的數學解析模型及最佳化算法,探索通過離散事件序列以及連續變數綜合利用實現畸變或不完整信息甄別的電力系統故障的新途徑。

結題摘要

電力系統的報警信息丟失、虛假信息或信號不完備等現場不可完全避免因素將可能導致故障特徵畸變,以至於故障診斷結果的正確性難以保證,這是阻礙電力系統故障診斷實用化的最大瓶頸。本課題主要針對電力系統故障診斷中存在的不確定性信息的原因、對保護的影響因素及處理方法進行試驗研究和理論分析。首先對電力系統的各組成部分的故障原因及可靠性影響因素及衡量指標進行了對比分析。在上述基礎上,採用時序信息數據挖掘的技術手段,研究電力系統故障的時空特徵關聯的情景規則的篩選、提取算法;建立電力系統故障特徵的時序知識表達、不確定性時序推理、約束關係以及時間不確定性事件以及時序不確定的電力系統故障診斷的解析模型,豐富了基於解析模型的故障診斷理論;研究基於離散事件序列及連續量的混雜電力系統具有時空特性的數學解析模型及最佳化算法,仿真及工程套用證明,通過離散事件序列以及連續變數綜合利用能夠在一定程度上有效的實現畸變或不完整信息甄別。

相關詞條

熱門詞條

聯絡我們