基于贝叶斯网络和D_S证据理论的分布式电网故障诊断

更新时间:2024-02-15 21:01:50 阅读: 评论:0

2024年2月15日发(作者:猪肚鸡怎么做)

基于贝叶斯网络和D_S证据理论的分布式电网故障诊断

第35卷 第10期2011年5月25日基于贝叶斯网络和DS证据理论的分布式电网故障诊断-何小飞,童晓阳,孙明蔚()西南交通大学电气工程学院,四川省成都市610031摘要:提出了基于贝叶斯网络和DS证据理论的分布式电网故障诊断模型。首先采取实时接线分-析方法确定故障区域以缩小诊断范围,然后分别运用蝶形和叶形分割法分割电网,再引入重合度概采用重合度、重合度与子网故障系数的几何平均值进行D念,S证据融合。将2种电网分割法、-再与集中式一起对多个算例进行对比仿真实验。2种DS证据融合法组合成4种分布式诊断模式,-仿真实验结果表明采用蝶形分割法和几何平均值法的分布式诊断模型较为准确和合理。关键词:电网;分布式故障诊断;贝叶斯网络;DS证据理论;级联跳闸-0 引言随着电网规模的扩大和互联程度的提高,当电网发生故障,尤其是复杂故障(级联跳闸)时,大量信息涌入调度中心,对诊断的时效性和准确性要求均1]。有所提高[基于概率推理的贝叶斯网络用于电网故障诊断,能较好地弥补传统诊断技术在不确定性和容错]24-。文献[]处理方面的不足[提出运用专家系统12-由N实现电网故障诊断。文献[34]oisr和--OyNoisnd节点组成贝叶斯网络,分别建立线路、-Ay变压器和母线等通用故障诊断模型,但模型较简单,不适用于结构复杂的电网。文献[根据电网拓56]-建立单个电网元件完整扑结构和保护的动作原理,]的贝叶斯诊断网络。文献[为了缩小诊断范围,先6进行故障区域识别,只对故障区域中元件进行诊断。已有文献多由各变电站收集保护和断路器动作信上传到调度中心作集中诊断,属于“分布信息,集息,模式。本文提出一种分布式电网故障诊断中诊断”方法。路器作为重叠部分对电网进行分割,分割后,每个子网由一组母线及其第2层元件共同组成。叶形分割法以母线元件故障时,保护及断路器均正常动作的故障样本所涉及的保护和断路器作为重叠部分对电网进行分割。分割后每个子网由非母线元件(线路和变压器)及其第2层元件共同组成。2 分布式电网故障诊断的方法2.1 分布式电网故障诊断的思路本文以蝶形或叶形分割法对电网进行分割,为每个电网元件建立各电网子网中的贝叶斯子网。当先运用实时接线分析法识别确定故障故障发生后,区域,然后对各子网与故障区域进行分析,对其中重叠部分元件分别在各子网中作并行诊断,再对贝叶斯子网进行诊断,根据电网子网与故障区域的关联程度,分别采用重合度法、重合度与子网故障系数的几何平均值2种D诊断出故S证据方法集中融合,-障元件,运用正向推理获得误动、拒动的保护与断路器。这样对于重叠部分元件,可在一个(或多个)调度中心的多个子系统中对贝叶斯子网进行并行诊断,再进行D可实现某种程度上的分S证据融合,-布式诊断。2.2 分布式电网故障诊断的流程基于贝叶斯网络和DS证据理论的分布式电-网故障诊断流程如图1所示。)子网分割。通过某分割法将输电网划分成基1本负荷相等、连通性较好、冗余量较小的若干子网。)子网贝叶斯网络建模、诊断。针对重叠部分2公共元件,分别建立各子网中的贝叶斯网络模型。)3DS证据理论融合。将不同子网络中元件贝-叶斯网络的元件故障概率进行融合得到重叠部分元件的最终故障概率。1 电网分割方法简介目前的电网分割方法有无重叠分割法、重叠分7],蝶形分割法、叶形分割法及图形分割法[每割法、种方法都具有各自的特点。本文采用蝶形和叶形这2种电网分割方法进行对比研究。蝶形分割法以非母线元件故障时,保护及断路器均正常动作的故障样本所涉及的保护和断;修回日期:。收稿日期:2010040320101118----国家电网公司科技项目“基于数据网的广域后备保护算法研;中央高校基本科研业务费专项资金资助项目究”()。SWJTU09ZT10—42—

)通过信息融合结果推断故障元件。将重叠与4非重叠部分元件的故障概率进行比较分析,获得故障元件,并判断误动、拒动的保护和断路器。

叶斯网络中各节点的先验概率进行赋值。ω。误动和拒动的保护和断路器判断2.3.5 故障元件、)故障元件确定。设经反向推理得到各元件故1设定0.因此若障概率为a8作为元件故障的阈值,i,某元件i的概率值满足下列条件:()a.81i>0否则为正常元件。  则判定该元件为故障元件,)判断误动、拒动的保护和断路器。设p为由21断路器)动作得到实际动作概SCADA系统的保护(率。保护(断路器)实际未动作p1=0烄()2烅()保护断路器实际动作p1=1烆为各保护(断路器)通过正向推理得到的  设p2,动作概率。令Δ根据下述判定规则得到p=pp1-2保护(断路器)的诊断结果,得到误动、拒动的保护和断路器。保护(断路器)误动5Δp>0.烄()断路器)正常5≤Δ5保护(3p≤0.烅-0.保护(断路器)拒动5Δp<-0.烆3 一个典型电网的分布式诊断模型设计分别采用蝶形分割法和叶形分割法将图3所示分割后的电网模型分别如图5和的电网进行分割,附录A图A1所示。

·学术研究· 何小飞,等 基于贝叶斯网络和DS证据理论的分布式电网故障诊断-  图5中采用蝶形分割法将电网分割为4个子网M1~M4。附录A图A1中采用叶形分割法将电网分割为8个子网M1~M8。以蝶形分割法分割后电网模型中的线路元件它作为子网M1与L2为例说明。当线路L2故障,应在子网M1和M2分别建立M2的重叠部分元件,贝叶斯网络模型,线路元件L2在子网M1和M2建图7所示。立的贝叶斯子网络分别如图6、序号1 2 3 4 5 6 7 8 9 10 11 发生时间18:00:02:50818:00:02:55418:00:02:91818:00:03:09618:00:03:21018:00:03:61518:00:03:62318:00:03:63018:00:03:67318:00:03:68018:00:03:685故障遥信内容L2左侧光纤差动保护启动CB8跳闸L2右侧距离Ⅱ段保护启动CB13跳闸L5左侧距离Ⅱ段保护启动T3Rs启动3远后备保护T4Rs启动T4远后备保护TL5右侧距离Ⅲ段保护启动CB17跳闸CB16跳闸CB32跳闸表2 算例1的元件故障概率Tab.2 Probabilitoffaultcomonentsinexamle1     ypp 元件L2L5T3T4B3B4故障概率方法10.81 0.27 0.15 0.19 0.28 0.32 方法20.81 0.25 0.14 0.21 0.34 0.35 方法30.84 0.15 0.15 0.19 0.28 0.32 方法40.82 0.22 0.16 0.20 0.32 0.34 方法50.830.230.150.190.310.31由表2可知,其余元件L.8,2的故障概率大于0故障概率均小于0.故推断出L5,2是故障元件。将故障元件概率代入各模式的贝叶斯网络,通过正向推理得到各保护(断路器)的动作概率,如表3所示。表3 算例1正向推理诊断得到的保护(断路器)动作概率)robabilitrotections(Tab.3 Forwardreasoninonactionofthebreakersinexamle1       gpypp  保护(断路器)L2Rm L5Lp p10 1 p2方法10.58 0.42 方法20.52 0.41 方法30.58 0.45 方法40.55 0.46 方法50.520.47 方法1-0.580.58 方法2-0.520.59 Δp方法3-0.580.55 方法4-0.550.54 -0.56方法5-0.520.53-0.58CB1200.610.620.590.560.58-0.61-0.62-0.59      注:只列出推断出误动、拒动的保护与断路器的概率,其余正常的保护和断路器的概率略。表7同理。元件LCADA系统接收的故障信息可知,  从S2发生故障,其左侧主保护动作,中间伴随L5Lp误动,L2Rm、CB12拒动。通过本模型的诊断发现保护L该故障情形为单5LL2Rm、CB12拒动,p误动,—45—

()2011,3510一故障。诊断结果正确,如表4所示。表4 算例1的故障诊断结果Tab.4 Faultdianosisresultsofexamle1     gp故障元件L2误动的保护及断路器L5Lp 拒动的保护及断路器L2Rm,CB12表6 元件故障概率Tab.6 Probabilitoffaultcomonentsinexamle2     ypp 元件L1L3T1T2B1B2故障概率方法10.16 0.42 0.84 0.60 0.84 0.09 方法20.13 0.43 0.83 0.61 0.88 0.07 方法30.17 0.44 0.85 0.63 0.91 0.04 方法40.18 0.48 0.84 0.65 0.89 0.07 方法50.210.490.820.660.890.07算例2采用来自S如CADA系统的故障信息,并伴随断路器的误动与表5所示。发生双重故障,拒动。得到所有元件故障概率如表6所示。表5 算例2的故障信息Tab.5 Faultinformationofexamle2    p序号1 2 3 4 5 6 7 8 9 10 11 12 13 发生时间13:00:02:50813:00:02:90013:00:02:95213:00:02:95813:00:03:11213:00:03:11813:00:03:20013:00:03:24513:00:03:24713:00:04:32013:00:04:37513:00:04:39013:00:04:432故障遥信内容T1主变差动失灵启动T1近后备保护启动CB2跳闸CB4跳闸CB6跳闸T2过负荷保护启动B1母线差动启动CB7跳闸CB9跳闸2Ls启动T2后备保护TCB3跳闸L1右侧距离Ⅲ段保护启动CB11跳闸由表6可知,故T.8,1和B1的故障概率大于0推断出T1和B1是故障元件。将元件故障概率代入各元件贝叶斯网络中通过正向推理,得到各保护(断路器)的动作概率,如表7所示。将表7中的Δ的判定规则,得到9)p代入式(最终诊断结果,如表8所示。从SCADA系统的故障信息可知,故障元件是B几乎同时动作,1和T1,、中间伴随着T1m、CB5拒动,L1RsCB11误动等。、通过诊断推断出L1RsCB11误动及T1m、CB5拒动,为多重故障。可见诊断结果正确,容错性更强。表7 正向推理诊断得到的保护(断路器)动作概率)Tab.7 Forwardreasoninonactionofthebreakersinexamle2robabilitrotections(       gppyp  保护(断路器)L1Rs CB5 T1mCB11 p11 0 0 1 p2方法10.38 0.56 0.64 0.36 方法20.48 0.54 0.55 0.32 方法30.32 0.51 0.59 0.34 方法40.36 0.53 0.52 0.35 方法50.39 0.520.530.39 方法10.62 -0.56-0.640.64 方法20.52 -0.54-0.550.68 Δp方法30.68 -0.51-0.590.66 方法40.64 -0.53-0.520.65 方法50.61-0.52-0.530.61表8 算例2的故障诊断结果表Tab.8 Faultdianosisresultsofexamle2     gp故障元件BT1,1误动的保护及断路器,L1RsCB11拒动的保护及断路器T1m,CB5割法的重叠元件为母线。以蝶形分割法进行分布式建模和诊断的重叠元件数比叶形分割法的多。)从D几何平均值法诊断3S证据融合角度看,-结果比重合度法更合理。原因是重合度法只从元件层面考虑将故障区域与各子网的关联程度作为融合依据。而几何平均值法除此以外,还考虑了子网的保护与断路器在SCADA系统中的动作信息。仿真实验表明,本文提出的集中式和4种分布式电网故障诊断模式中,采用蝶形分割法和几何平均值法的分布式故障诊断模型更为准确与合理。//附录见本刊网络版(httaes.seri.scc.p:pgpg///)。com.cnaeschindex.asxpp5 结语本文提出一种基于贝叶斯网络和DS证据理-论的分布式电网故障诊断方法,具有以下特点。)分布式故障诊断模型在准确性、容错性上优1于集中式。实际应用时可在不同区域诊断中心或一再将各个调度中心的各子网诊断设备上同时诊断,区域的各子网诊断结果集中融合,从而实现“分布诊断,集中融合”的分布式故障诊断。)从电网分割角度看,蝶形分割法比叶形分割2法的诊断结果更精确,区分度更高,原因是蝶形分割而叶形分法中各子网的重叠元件为线路和变压器,—46—参考文献[]朱永利,]张文勤,高曙,等.电力系统故障判断专家系统[华北1J.():电力学院学报,1992,19116.-

·学术研究· 何小飞,等 基于贝叶斯网络和DS证据理论的分布式电网故障诊断-,,ZHU YonliZHANG Wenin,GAOShuetal.Powersstem   gqyfaultdianosisexertsstem[J].JournalofNorthChina      gpy,():ofElectricPower1992,19116.Institute   -[]赵冬梅,张东英,徐开理,等.分层分布式电网故障诊断专家系统2]():设计[现代电力,J.2004,834146.-,,XU ,DonmeiZHANGDoninKailietal.DesinZHAO   ggyggofdelaminatedanddistributedfaultdianosisexertsstemfor        gpy],():sstem[J.ModernElectricPower2004,834146.ower   -yp[]李强,]徐建政.基于主观贝叶斯方法的电力系统故障诊断[电3J.():力系统自动化,2007,31154650.-,LIQianXUJianzhen.Powersstemfaultdianosisbasedon       ggyg[]BaesianaroachJ.AutomationofElectricPowersubective     jypp,():Sstems2007,31154650.-y[]霍利民,朱永利,贾兰英,等.基于贝叶斯网络的电网故障诊断方4]():自然科学版,法[J.华北电力大学学报:2004,3133034.-,,HUOLimin,ZHU YonliJIALaninetal.Powersstem    gygy[]dianosisbasedonBaesiannetworkJ.JournalofNorthfault       gy:N,ChinaElectricPowerUniversitaturalScienceEdition     y():2004,3133034.-[]吴欣,]郭创新.基于贝叶斯网络的电力系统故障诊断方法[5J.():电力系统及其自动化学报,2005,1741115.-WU Xin,GUOChuanxin.Powersstemfaultdianosis    gygaroachbasedonBaesiannetwork[J].Proceedinsofthe      ppyg():CSU-EPSA,2005,1741115.-[]何小飞,童晓阳,周曙.基于贝叶斯网络和故障区域识别的电网6]():故障诊断研究[电力系统保护与控制,J.2010,38132934.-,,HEXiaofeiTONGXiaoanZHOUShu.Powersstemfault     ygybasedonBaesiannetworkandfaultsectionlocationdianosis        yg[,2:J].PowerSstemProtectionandControl010,38(13)    y2934.-[]毕天姝,焦连伟,严正,等.用于分布式电网故障诊断的新型网络7]():分割法[电力系统自动化,J.2001,25161621.-,J,YAN,eBITianshuIAOianweihentl.Grah  L Z agpmethodfordistributedfaultsectionestimationartitionin     pg owerssteminnetworks[J].AutomationofElectricPower      py,():2001,25161621.Sstems-y[]周玉兰,王俊永,舒治淮,等.82002年全国电网继电保护与安全]():自动装置运行情况[电网技术,J.2003,2795560.-,,ZHOU Yulan,WANGJunonSHUZhihuaietal.Statistics   yganalsisofoerationsituationofrelainsandandrotective        ypygp[]automationdevicesofowerssteminChinain2002J.Power        py,():Technolo2003,2795560.Sstem -gyy[]吴玉鹏,]陈丽鹃,王鹏,等.92002年全国电力可靠性统计分析[J.():中国电力,2002,36517.-,CHE,WANG,eYuenNLiuanPental.StatisticWU    pgjg[],analsisonChinaelectricreliabilitin2002J.ElectricPower      yy ():2002,36517.-,何小飞(男,硕士研究生,主要研究方向:电网1986—)故障诊断。,童晓阳(男,通信作者,博士,副教授,主要研究1970—)、方向:广域后备保护、智能A信息技术及其在电力系统entg:中的应用、变电站自动化。E-mailxtonahoo.cn@yyg,孙明蔚(男,硕士研究生,主要研究方向:电力1987—)系统继电保护。DistributedPowerSstemFaultDianosisBasedonBaesianNetworkand         ygyDemsterShaferEvidenceTheor-  pyHE Xiaoei,TONG XiaoanSUN Minweifyg,g,()SouthwestJiaotonUniversitChendu610031,China  gyg Abstract:AnoveldistributedfaultdianosismodelbasedontheBaesiannetworkandDemsterShafer(DS)evidencetheor            -- gypy,isroosed.Firstlarealtimewirinanalsismethodisusedtodeterminethefaultzonestonarrowthedianosisscoe.  -              ppygygp ,twokindsofsementationmethodwithbutterflandleafareresectiveladotedtoreasonabldividetheSecondlower             gypypyyp   rid.Theconcetofcoincidencedereeisintroduced.Theeometricmeanofcoincidencedereeandfaultcoefficientofsub                -gpggg,ridisconstructedforthefashioninofDSevidencetheor.Someexamlesareivenforthecentralizeddianosisdistributed      -         ggypgg dianosiswithtwokindsofartitioninandtwotesofDSevidencefashioninmethods.Theexerimentalresultsillustrate         -     gpgypgp  thatthedistributedfaultdianosismodelwithbutterflsementationandeometricmeanmethodismoreaccurateand               gygg reasonable.ThisworkissuortedbStateGridCororationofChinaandtheFundamentalResearchFundsfortheCentral                ppyp No.SWJTU09ZT10).Universities(;;;;owerridKewords:distributedfaultdianosisBaesiannetworkDemsterShaferevidencetheorcascadintri    -  pggypygpy  —47—

基于贝叶斯网络和D_S证据理论的分布式电网故障诊断

本文发布于:2024-02-15 21:01:49,感谢您对本站的认可!

本文链接:https://www.wtabcd.cn/zhishi/a/1708002110249215.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

本文word下载地址:基于贝叶斯网络和D_S证据理论的分布式电网故障诊断.doc

本文 PDF 下载地址:基于贝叶斯网络和D_S证据理论的分布式电网故障诊断.pdf

下一篇:返回列表
标签:故障   电网   元件   保护   分割   诊断
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2022 Comsenz Inc.Powered by © 实用文体写作网旗下知识大全大全栏目是一个全百科类宝库! 优秀范文|法律文书|专利查询|