基于粗糙集和朴素贝叶斯的电网故障诊断方法研究-电力系统及其自动化专业论文.docxVIP

西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 随着电网规模的不断扩大和调度自动化水平的不断提高，越来 越全面的报警信息传送到各级电网调度中心。电网发生故障后，当 故障信息存在不完整或不确定性，甚至关键信息丢失时，会导致故 障诊断难以得出正确结论。 针对此问题，文章尝试采用粗糙集(Rough Set)和朴素贝叶斯 (NaiveBayesiannetworks)网络相结合(RSNB)的局部电网故障诊断 方法。首先以保护、断路器作为条件属性，故障区域作为决策属性， 考察各种故障情况并建立决策表，然后利用基于可辨识矩阵和信息 熵的属性约简方法提取最佳属性约简组合，最后以最佳属性约简组 合形成的约简决策表建立朴素贝叶斯网络模型，并对节点概率进行 训练。 在此基础上，考虑故障诊断的局域性和电网的连通性，尝试采 用分布式故障诊断，即先将大电网分块，然后在子网中采用RSNB 法进行故障诊断。在深入研究了现有电网分割方法的基础上，本文 采用图形分割和蝶型分割相结合的方法进行电网分块，它能够将大 电网分割为给定数目的连通子网络，各子网络的故障诊断负担基本 相等。该网络分割法主要由3部分组成；形成给定电力网络的深度 优先搜索树；用图形分割法将网络分割为计算负担基本平衡的子网 络；在图形分割的基础上实现蝶型分割，保证电网在最小冗余基础 上的连通性。 运用Vc++编写了基于RSNB的分布式故障诊断软件，算例结果 表明，该方法正确、有效，所述的电网分割方法能对大电网进行有 一效分割，RSNB法能提高故障诊断在丢失核属性情况下的容错性，具 有较好的实用价值。 关键词：故障诊断；粗糙集；贝叶斯网络；约简；信息熵；容错性 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1I页 Abstraet As the enlarging of power grid scale and increasing of power grid automatization level．more and more comprehensive alarm information is transmitted to control centers of all grades．When power grid is in fault，if the fault information is imperfect and indeterminate or even the key information is lost，it may result in the condition that correct conclusion could not be given by fault diagnosis． To settle this problem the paper proposes a new method to diagnose faults in local power grid in which the Rough Set theory is integrated with Naive Bayesian networks(RSNB)．At first，the protections and circuit breakers are taken as conditional attributes and faulty region as decision·making attribute，various faults are investigated and decision table is established；then，by use of attribute reducing method based on cognizable matrix and information entropy,the optimal attribute reduction combination is extracted；finally,by means of the reduction decision table formed by optimal attribute reduction combination，the naive Bayesian networks model is built and the nodal probability is trained． On the basis of above，considering the fault information being both localized and connected，this paper attempts the idea of distributed fa