基于遗传算法的复杂电网故障诊断方法的研究毕业论文.doc

基于遗传算法的复杂电网故障诊断方法的研究毕业论文 目录 要 I Abstract II 第1章 绪论 1 1.1 背景和意义 1 1.2 国内外研究现状 1 1.3 本文的主要内容 3 第2章 常见电网故障诊断方法 4 2.1 电网故障诊断的基本概念 4 2.1.1 保护动作类型 4 2.1.2 故障区域识别 5 2.2 电网故障诊断方法 6 2.2.1 专家系统 6 2.2.2 人工神经网络 8 2.2.3 基于优化技术的方法 9 2.2.3 其他技术 9 2.3 本章小结 10 第3章 遗传算法的基本原理及应用 11 3.1 遗传算法的基本原理 11 3.1.1 基本概念 11 3.1.2 遗传算法特点 11 3.1.3 遗传算法的原理 12 3.2 遗传算法的分类 13 3.2.1 简单遗传算法（SGA） 13 3.2.2 高级遗传算法（RGA） 15 3.3 遗传算法在电力系统中的应用 16 3.3.1 调度和规划的应用 16 3.3.2 故障诊断与警报处理 16 3.3.3 运行优化的应用 17 3.3.4 其他领域的应用 17 第4章 基于遗传算法的故障诊断 18 4.1 故障诊断的数学模型 18 4.1.1 故障诊断的完全解析模型 18 4.1.2 完全解析模型的目标函数 20 4.1.3 基于遗传算法的模型求解 21 4.1.4 诊断流程 22 4.2 基于遗传算法的故障诊断算例分析及验证 22 4.2.1 实际算例系统 22 4.2.2 故障以及报警信息的分析 23 4.2.3 故障诊断求解以及结果分析 24 4.3 本章小结 25 结 论 26 参考文献 28 第1章 绪论 1.1 背景和意义 自进入21世纪以来，随着时代的飞速发展，技术的不断进步以及人类社会对电力依赖程度的加大，电力系统在社会经济占有着非常重要的地位，所以确保电网的安全可靠是电力相关部门最神圣的使命。如今的电力系统也越来越大，越来越复杂，而且有很大部分的输电线路暴露在自然环境中，导致电网中经常容易出现各种各样的复杂故障[1~2]。为了创造一个安全稳定运行的电力系统，增强供电的持续与可靠性，就需要一个优质的故障诊断系统，以便故障的及时检测与故障后的及时恢复。 现如今，我国在电力系统方面还不算优秀，供电的可靠性也有待加强，电网的故障经常发生在输电线路上，特别是在超高压长距离输电线路上发生某些故障时，都需要及时发现并处理好故障问题，确保线路的安全稳定运行。而这些又需要大量的人力物力和财力，比如在山区部分的输电线路或恶劣天气下去检修等。所以必须要通过有效故障诊断系统，使电力系统发生故障时，能获取各种故障信息，故障性质，故障地点并自动评定出最优的保护动作。 另外，在发生故障后，一般通过保护设备的动作情况可以进行故障元件的检测识别。不过有时也会出现不止一套的保护设备动作，更有可能是误动，这都属于元件故障诊断。发生故障时，继电保护装置会发出信号或断路器跳闸，以便快速的切除故障或发出警告信息。调度中心就会根据数据采集监控系统搜集出保护装置和开关变位信息，并提供给调度员，他们会根据所掌握的信息结合电网运行维护单位所提供的分析结果做出最后的故障分析报告。若是不能通过一定准确有效的方法来恢复故障元件，就会影响电力系统的正常运行。而且电力系统在数据传输时也会传输错误的保护动作信息。因此，还必须要有有效的分析计算方法来准确的判断出故障元件的位置，方便检测并消除事故来及时的让电力系统恢复其供电运行。 1.2 国内外研究现状 面对如今很多复杂的电力系统，国内外关于故障诊断方面的研究多都处在故障元件的识别与检测上，并提出了很多方法[3~4]。主要有以下几类：逻辑处理法，人工神经网络法，专家系统以及基于优化技术方法四类。 在早期的电力系统中，其故障诊断多是用的传统的逻辑处理法[5]，这种方法对于以前的电力系统是比较合适，因为其系统简单远没有现在这么复杂，而要想应用于现代电力系统则恐怕难以实现。自从20世纪70年代中期第一个专家系统（ES）Dendral在美国的斯坦福大学问世以后，经过近五十年的研究发展，专家系统渐渐的在各个领域开始流行起来。在电力系统方面，专家系统也占据了不小的比重，很多地方都投入实用，主要表现在电力系统故障诊断方面[6~7]。 但专家系统也有缺点，比如检测诊断速度慢，知识获取困难，开发周期长，维护也相对麻烦。后来，专家们也尝试将人工神经网络（ANN）的方法运用到电力系统的故障诊断中[8~9]，但是该方法的有效性却因样本的合理选取上略显一般，对于大型的电力系统要形成一个完整的样本集非常困难，使其结果的准确性在理论上无法得到保证。同时，在处理不同的故障元件引起的相同的保护装置以及断路器动作的情况时，该方法只有一个解，这在复杂的电力系统中局限性太大