[发明专利]一种基于神经网络和模糊积分的电力系统故障诊断方法

权利要求书

1.一种基于神经网络和模糊积分的电力系统故障诊断方法，其特征在于，包括 以下步骤：

(1)对电网的三类主要元件线路、母线、变压器分别建立保护模型和神经网络 模型；

(2)选取训练样本和RBF网络对元件神经网络进行训练；

(3)采用实时结线分析方法来识别故障前与故障后的系统拓扑结构差异，确定 故障区域，将故障区域内的元件作为候选故障元件；

(4)基于面向元件的神经网络模型进行初级故障诊断；

(5)利用模糊技术对初级故障诊断结论进行预处理；

(6)根据电网拓扑信息形成候选故障元件集D＝{d₁，d₂…d_N}，其中，d为候选故 障元件；

(7)根据电网拓扑信息形成各个候选故障元件的直接关联元件集合 D_i-direct＝{d_m…d_n}与隔一级关联元件集合D_i-indirect＝{d_k…d_i}；

(8)确定模糊密度，即gⁱ＝g({x_i})，i＝1，2，…n，其中，gⁱ就是第i个信息的模糊密 度，亦即为第i个信息的权重；

(9)根据拓扑信息及各元件的诊断结论，形成直接关联元件对候选故障元件的 故障的支持程度的集合F_i-direct＝{f_m…f_n}与隔一级关联元件对该候选故障元件的 故障的支持程度的集合F_i-indirect＝{f_k…f_i}；

(10)根据式计算模糊积分值e_i，e_i即为综合诊断给出 的故障可能性指标，形成候选故障元件的故障可能性指标集E＝{e₁，e₂…e_N}； 根据故障可能性指标集，确定故障元件。

2.根据权利要求1所述基于神经网络和模糊积分的电力系统故障诊断方法，其 特征在于，所述步骤(5)中，所述利用模糊技术对初级故障诊断结论进行预处 理，其选用的隶属度如下：

y=f(x)=0,x<x111+e-(x-c)/ax1≤x≤x2xx2≤x,]]>

其中，x为待处理的输入数据，y为处理后的数值，e为自然常数。

3.根据权利要求1所述基于神经网络和模糊积分的电力系统故障诊断方法，其 特征在于，所述步骤(8)具体为：根据式确定λ_i，然后根据式 g(x₁)＝g({x₁})和式g(xi)=g({xi})+g(xi-1)+λg({xi})g(xi-1),i=2,···n]]>求取模糊密度g；λ_i是 一个中间数。