电力系统诊断问题的研究.docVIP

电力系统诊断问题的研究电力系统的故障诊断技术是一门综合性技术，涉及现代控制理论、信号处理、模式识别、人工智能、小波变换数理统计、模糊逻辑等多学科理论。本文结合国内外研究，总结了几种比较实用的诊断方法。 随着电力的大规模生产，电力设备的结构越来越复杂，功能越来越完善，自动化程度也越来越高，各子系统的关系也越来越密切，一旦设备的某个部分在运转过程中出现故障，就很可能中断生产，造成巨大的经济损失，甚至带来灾难性的后果。为保证电力系统安全、经济、稳定运行，电力设备的故障监测诊断将从以时间为基准的方式转变到以状态为基准的方式，其内容包括状态监测与故障诊断两个方面：前者通过提取故障的特征信号为状态维修提供检修依据，后者则分析、处理所采集的状态信息。国内外在电力系统故障诊断方而的研究已经取得了大量成果，内容包括特征量、诊断方法等 1.线路变压器诊断 超高压输电线路犹如联系东西部经济和全国电网的动脉，当输电线路发生故障时，准确、快速地分析以及迅速恢复供电有着举足轻重的作用。国内外已经在这一领域进行了长期的研究，研究内容包括故障类型、故障定位和输电线路热故障（高压输电线路的接头和连接件会出现热故障点）等；研究方法包括利用专家系统、神经网络、小波理论和模糊集理论等；使用的手段包括注入信号法、行波检测法、CPS及红外热成像技术等。故障定位的方法有阻抗法、行波检测法、注入信号法。热故障诊断方法使用红外成像技术。利用电气量和开关量的量测，采用某种算法提高线路故障诊断的精度是目前研究较多的问题。神经网络的研究最为热门，但由于其算法复杂，因此多数停留在理论研究和仿真计算的阶段，很少在实际中成功应用。目前，线路故障诊断而对的主要问题是在所需信息不能完全得到的情况下如何提高精度。以及提高故障诊断算法与故障类型的无关度。而注入信号法、行波检测法等的使用需要额外的设备，有一定的局限性。目前，所要解决的是能够有一种运用于实际的理论或方法。目前，变压器故障诊断方面的研究主要集中在故障性质方而，诊断的方法较多，用得最广的是气相色谱法，即通过变压器中出现的各种气体含量判断变压器潜伏性故障。采用的诊断方法主要为数值方法，另外人工神经网络方法也被成功应用。变压器的在线故障诊断尤其是故障定位研究，在国内外仍属起步阶段，这对避免故障恶化、缩短检修时间是十分必要的。但仅仅依靠油气量难以做到这一点 2.谱分析方法 在故障诊断中比较常用的信号处理方法是谱分析。常用傅里叶谱、沃尔什谱，另外还有滤波、相关分析等 谱分析的目的：信号中包含噪声，故障信号的时域波形不能清楚地反映故障的特征。而电力电子电路中包含故障信息的关键点信号通常具有周期性，因此可以用傅里叶变换将时域中的故障波形变换到频域，以突出故障特征，实现故障诊断。傅里叶变换是将某一周期函数分解成各种频率的正弦分量，类似地，沃尔什变换是将某一函数分解成一组沃尔什函数分量 自适应滤波是一种数字信号的处理统计方法，它不需要知道信号一二阶的先验统计知识，直接利用观测资料，通过运算改变滤波器的某些参数，而使自适应滤波器的输出能自动跟踪信号特性的变化。在电力电子系统故障诊断中，可以用自适应处理来实现噪声抵消，谱线增强等功能，从噪声背景下提取故障特征，从而实现准确的诊断 3.基于神经网络的故障诊断方法 利用神经网络的自学习、白归纳能力，经过一定的训练，建立起故障信号与故障分类之间的映像关系。利用学习后的神经网络，实现故障诊断 神经网络是由大量的神经元广泛互连而成的网络，这里以BP网络为例加以介绍。BP网络（Back Propagation NN）是单向传播的多层前向网络，它由输人层、中间层和输出层组成，中间层可有若干层，每一层的神经元只接受前一层神经元的输出。BP网络中没有反馈，同一层的节点之间没有藕合，每一层的节点只影响下一层节点的输人。BP网络一般采取的学习算法是：网络的输出和希望的输出进行比较，然后根据两者之间的差调整网络的权值，最终使误差变为最小 当电力电子电路发生故障时，如果能够利用神经网络的学习能力，使故障波形与故障原因之间的关系通过神经网络的学习后保存在其结构和权中，然后将学习好的神经网络用于故障诊断，神经网络就可以通过对当前电压或电流波形的分析，得出故障原因，从而实现故障的在线自动诊断 4.基于GA的电力系统故障诊断 GA是建立在Darwin自然选择和Mendel遗传学说基础上，通过模仿生物遗传和进化的进程，寻求对复杂问题的全局最优解的优化算法。它按一定规则对问题解进行字符串编码，模拟人工染色体表示某优化问题的可行解，用随机方法形成初始解群，再按自然选择的原理，通过群体搜索策略和遗传操作，对群体中个体之间的信息交换，使得GA不易陷入局部极小点，能够以很大概率得到全局