基于計(jì)算智能的電網(wǎng)故障診斷方法研究.pdf

1、電網(wǎng)發(fā)生故障后，大量蘊(yùn)含不確定性的保護(hù)和斷路器動(dòng)作信息（統(tǒng)稱為警報(bào)信息）將通過SCADA系統(tǒng)或故障信息系統(tǒng)涌入電網(wǎng)調(diào)度控制中心。利用這些警報(bào)信息快速準(zhǔn)確地診斷電網(wǎng)故障對(duì)恢復(fù)系統(tǒng)供電、減少故障損失具有重要作用。關(guān)于電網(wǎng)故障診斷的研究經(jīng)歷了幾十年的發(fā)展，取得了豐碩的成果。隨著現(xiàn)代電力系統(tǒng)的不斷發(fā)展，電網(wǎng)規(guī)模愈加龐大，結(jié)構(gòu)日益復(fù)雜，對(duì)電力系統(tǒng)的運(yùn)行水平提出了更高要求。此種背景下，已有故障診斷方法在適用范圍、診斷準(zhǔn)確度和精確度等方面均面臨著嚴(yán)峻

2、的挑戰(zhàn)。本文致力于電網(wǎng)故障診斷方法的研究，重點(diǎn)研究采用計(jì)算智能方法實(shí)現(xiàn)電網(wǎng)故障的高效診斷。此外，鑒于計(jì)算智能方法之一的生物地理學(xué)優(yōu)化算法在故障診斷中表現(xiàn)出良好的優(yōu)化性能，本文也將其用于求解電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題。主要工作及成果歸納如下：
　　提出了一種基于模糊推理脈沖神經(jīng)膜系統(tǒng)的電網(wǎng)故障診斷新方法。該方法不僅可以采用圖形化形式模擬各級(jí)保護(hù)及斷路器之間的因果動(dòng)作行為，而且可以有效地采用簡(jiǎn)單的矩陣運(yùn)算實(shí)現(xiàn)元件、保護(hù)、斷路器之間的模糊推理

3、，有助于工作人員分析故障的清除過程。算例仿真結(jié)果表明，該方法具有容錯(cuò)能力強(qiáng)，推理速度快等特點(diǎn)。
　　提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和模糊積分的電網(wǎng)分區(qū)故障診斷方法，以有效解決神經(jīng)網(wǎng)絡(luò)應(yīng)用于大規(guī)模電網(wǎng)故障診斷時(shí)面臨的“維數(shù)災(zāi)”問題。采用網(wǎng)絡(luò)重疊分區(qū)將大規(guī)模電網(wǎng)劃分為具有重疊聯(lián)絡(luò)線的若干子網(wǎng)。故障發(fā)生后，根據(jù)警報(bào)信息選擇性觸發(fā)相應(yīng)子網(wǎng)的神經(jīng)網(wǎng)絡(luò)診斷模塊；對(duì)于聯(lián)絡(luò)線，待完成相連子網(wǎng)的診斷任務(wù)后，通過模糊積分關(guān)聯(lián)融合相連子網(wǎng)關(guān)于該聯(lián)絡(luò)線

4、的診斷輸出，實(shí)現(xiàn)對(duì)聯(lián)絡(luò)線的有效診斷。算例仿真結(jié)果表明，該方法采用“分而治之”策略能正確處理各種涉及聯(lián)絡(luò)線故障的復(fù)雜故障情形，診斷正確率高，能較好地適應(yīng)大規(guī)模電網(wǎng)的故障診斷需求。
　　提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)模糊元胞故障診斷方法，以有效解決神經(jīng)網(wǎng)絡(luò)應(yīng)用于電網(wǎng)故障診斷時(shí)面臨的適應(yīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化的可移植性問題。該方法直接以被保護(hù)元件的所有關(guān)聯(lián)保護(hù)和相應(yīng)的斷路器作為各個(gè)元胞通用神經(jīng)網(wǎng)絡(luò)診斷模型的輸入，并借助矢狀圖提取出蘊(yùn)含

5、不確定性的模糊推理規(guī)則來訓(xùn)練各個(gè)神經(jīng)網(wǎng)絡(luò)。算例仿真結(jié)果表明，該方法能在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化時(shí)通過對(duì)模型的簡(jiǎn)單修正，實(shí)現(xiàn)各種復(fù)雜故障情形的準(zhǔn)確診斷，具有良好的容錯(cuò)性和可移植性。
　　提出了一種電網(wǎng)故障診斷改進(jìn)解析模型及其自適應(yīng)生物地理學(xué)優(yōu)化方法。深入剖析了現(xiàn)有解析模型在復(fù)雜故障情形下存在多解的原因，提出了相應(yīng)的改進(jìn)解析模型。此外，為了提高改進(jìn)模型的求解效率，提出了一種自適應(yīng)生物地理學(xué)優(yōu)化算法。算例仿真結(jié)果表明，改進(jìn)解析模型診斷結(jié)果唯一、

6、合理；自適應(yīng)生物地理學(xué)優(yōu)化算法實(shí)現(xiàn)正確求解所需的迭代次數(shù)少，可靠性高，具有良好的優(yōu)化性能。
　　提出了一種求解電力系統(tǒng)靜態(tài)經(jīng)濟(jì)調(diào)度問題的多策略集成生物地理學(xué)優(yōu)化算法。采用多種策略來改進(jìn)生物地理學(xué)優(yōu)化算法的遷徙模型、遷移算子和變異算子，以平衡局部搜索能力和全局搜索能力。此外，提出了一種無需引入罰因子的約束條件處理方法來有效處理靜態(tài)經(jīng)濟(jì)調(diào)度問題的各種約束條件。算例仿真結(jié)果表明，該算法的各個(gè)改進(jìn)部分通過相互協(xié)作，可以有效提高算法的搜索性

7、能。
　　提出了一種求解電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度問題的基于多源遷移算子與正交學(xué)習(xí)的改進(jìn)生物地理學(xué)優(yōu)化算法。多源遷移算子可以從更寬廣的且未被探索過的可行解空間中生成新的特征，提高算法種群多樣性；而用基于正交試驗(yàn)設(shè)計(jì)的正交學(xué)習(xí)策略取代以往的盲目搜索，可指引算法朝著全局最優(yōu)的方向快速搜索。此外，也提出了相應(yīng)的無需引入罰因子的約束條件處理方法。算例仿真結(jié)果表明，改進(jìn)算法能夠擺脫較差的局部極值點(diǎn)并收斂到更優(yōu)的解空間中，能獲得經(jīng)濟(jì)性較高的調(diào)度方案